Cara menghitung kesamaan kosinus dengan python

Kemiripan kosinus adalah ukuran kemiripan antara dua vektor pada ruang hasil kali dalam.

Untuk dua vektor, A dan B, persamaan cosinus dihitung sebagai berikut:

Kemiripan kosinus = ΣA _i B _i / (√ΣA _i ² √ΣB _i ² )

Tutorial ini menjelaskan cara menghitung kesamaan kosinus antar vektor dengan Python menggunakan fungsi dari perpustakaan NumPy .

Kesamaan kosinus antara dua vektor dengan Python

Kode berikut menunjukkan cara menghitung kesamaan kosinus antara dua array dengan Python:

 from numpy import dot
from numpy. linalg import norm

#define arrays
a = [23, 34, 44, 45, 42, 27, 33, 34]
b = [17, 18, 22, 26, 26, 29, 31, 30]

#calculate Cosine Similarity
cos_sim = dot (a, b)/( norm (a)* norm (b))

cos_sim

0.965195008357566

Kemiripan kosinus kedua tabel tersebut ternyata adalah 0,965195 .

Perhatikan bahwa metode ini akan bekerja pada dua array dengan panjang berapa pun:

 import numpy as np
from numpy import dot
from numpy. linalg import norm

#define arrays
a = np.random.randint(10, size= 100 )
b = np.random.randint(10, size= 100 )

#calculate Cosine Similarity
cos_sim = dot (a, b)/( norm (a)* norm (b))

cos_sim

0.7340201613960431

Namun, ini hanya berfungsi jika kedua array memiliki panjang yang sama:

 import numpy as np
from numpy import dot
from numpy. linalg import norm

#define arrays
a = np.random.randint(10, size= 90 ) #length=90
b = np.random.randint(10, size= 100 ) #length=100

#calculate Cosine Similarity
cos_sim = dot (a, b)/( norm (a)* norm (b))

cos_sim

ValueError : shapes (90,) and (100,) not aligned: 90 (dim 0) != 100 (dim 0)

Komentar

1. Ada beberapa cara untuk menghitung kesamaan kosinus menggunakan Python, tetapi seperti yang dijelaskan dalam thread Stack Overflow ini , metode yang dijelaskan dalam artikel ini ternyata adalah yang tercepat.

2. Lihathalaman Wikipedia ini untuk mempelajari lebih lanjut tentang kesamaan kosinus.