目录
常用的相似性度量
浮点向量相似性度量
二进制向量相似性度量
总结
常用的相似性度量
如果没有相似性度量——计算两个向量之间距离的方法,再好的向量数据库也没有用。因为存在许多度量,我们在这里只讨论最常用的子集。

浮点向量相似性度量
最常见的浮点向量相似性度量,不分先后,有 L1 距离、L2 距离和余弦相似度。前两个值是距离度量,较低的值意味着更多的相似性,而较高的值则意味着较低的相似性;余弦相似度是一种相似性度量,较高的值意味着更多的相似性。

L1 距离通常也被称为曼哈顿距离&#x
目录
常用的相似性度量
浮点向量相似性度量
二进制向量相似性度量
总结
如果没有相似性度量——计算两个向量之间距离的方法,再好的向量数据库也没有用。因为存在许多度量,我们在这里只讨论最常用的子集。

最常见的浮点向量相似性度量,不分先后,有 L1 距离、L2 距离和余弦相似度。前两个值是距离度量,较低的值意味着更多的相似性,而较高的值则意味着较低的相似性;余弦相似度是一种相似性度量,较高的值意味着更多的相似性。

L1 距离通常也被称为曼哈顿距离&#x
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/739583.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!