如何用 scipy.spatial.distance.cosine 计算加权相似度？答案

【问题标题】：How to calculate weighted similarity with scipy.spatial.distance.cosine?如何用 scipy.spatial.distance.cosine 计算加权相似度？
【发布时间】：2018-11-28 07:58:29
【问题描述】：

从函数定义： https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.cosine.html

scipy.spatial.distance.cosine(u, v, w=None)

但我的代码有一些错误：

from scipy import spatial
d1 = [3,5,5,3,3,2]
d2 = [1,1,3,1,3,2]
weight_of_importance = [0.1,0.1,0.2,0.2,0.1,0.3]

result = spatial.distance.cosine(d1, d2, weight_of_importance)
print(result)

TypeError: cosine() 接受 2 个位置参数，但给出了 3 个

当我只输入 2 个参数时它可以工作。但是这些功能的重要性不同。如何计算 d1 和 d2 的加权重要性相似度？

【问题讨论】：

它在 scipy 1.1.0 中正常工作。你的版本是什么？
它适用于 scipy 1.0.1。

标签： python math machine-learning euclidean-distance cosine-similarity

【解决方案1】：

貌似SciPy v1.0.0中添加了这个参数。

the previous version 0.19.1中没有这个参数

摘自SciPy v1.0.0 release notes：

scipy.spatial 改进

许多距离指标 scipy.spatial.distance 获得了对权重的支持。

【讨论】：

谢谢。我太模糊了。