Kosinus oxşarlığı ümumiyyətlə vektorların böyüklüyünün əhəmiyyəti olmadıqda məsafənin ölçülməsi üçün metrik kimi istifadə olunur. Bu, məsələn, söz sayı ilə təmsil olunan mətn datası ilə işləyərkən baş verir.
Kosinus oxşarlığından nə vaxt istifadə etməliyəm?
Kosinus oxşarlığı daxili məhsul sahəsinin iki vektoru arasındakı oxşarlığı ölçür. Bu, iki vektor arasındakı bucağın kosinusu ilə ölçülür və iki vektorun təxminən eyni istiqamətə işarə edib-etmədiyini müəyyən edir. Tez-tez mətn analizində sənəd oxşarlığını ölçmək üçün istifadə olunur.
Niyə Evklid məsafəsi əvəzinə kosinus oxşarlığından istifadə olunur?
Kosinus oxşarlığı sərfəlidir, çünki iki oxşar sənəd ölçüsünə görə bir-birindən Evklid məsafəsi ilə çox uzaqda olsa belə (məsələn, "kriket" sözü bir sənəddə 50, digərində 10 dəfə görünür) hələ də aralarında daha kiçik bir bucaq var. Bucaq nə qədər kiçik olsa, oxşarlıq da yüksəkdir.
Kosinus oxşarlığı ilə Evklid məsafəsi arasında fərq nədir?
Bu məqalədə biz Evklid məsafəsi və kosinus oxşarlığının formal təriflərini öyrəndik. Evklid məsafəsi vektorlar arasındakı fərqin L2 normasına uyğundur. Kosinus oxşarlığı iki vektorun nöqtə hasili ilə mütənasib və onların böyüklüklərinin hasilinə tərs mütənasibdir.
Kosinus oxşarlığı ilə kosinus məsafəsi arasında fərq nədir?
Adətən insanlar kosinus oxşarlığından vektorlar arasında oxşarlıq metrikası kimi istifadə edirlər. İndi məsafəni 1-cos_oxşarlıq kimi təyin etmək olar. Bunun arxasında duran intuisiya ondan ibarətdir ki, 2 vektor tamamilə eynidirsə, oxşarlıq 1 (bucaq=0) və beləliklə, məsafə 0 (1-1=0) təşkil edir.
