成对距离python（一个基向量与许多其他基向量）

【问题标题】：Pairwise distance python (one base vector against many others)成对距离python（一个基向量与许多其他基向量）
【发布时间】：2016-11-11 11:25:37
【问题描述】：

我有一个基向量（由 1 和 0 组成），我想找到到 50,000 个其他向量（也由 1 和 0 组成）的余弦距离。我找到了很多方法来计算整个成对距离矩阵，但我对此不感兴趣。相反，我只想让我的基本向量与其他向量之间的 50,000 距离（然后排序以找到前 5 个）。我能做到这一点的最快方法是什么？

【问题讨论】：

那么你是如何计算这个矩阵的？你为什么不只计算每个向量呢？

标签： python cosine-similarity

【解决方案1】：

矢量化操作与单独操作完全相同，只要您小心轴即可。在这里，我在每一行中都有单独的“其他”向量：

others = numpy.random.randint(0,2,(10,10))
base = numpy.random.randint(0,2,(10,1))
d = numpy.inner(base.T, others) / (numpy.linalg.norm(others, axis=0) * numpy.linalg.norm(base))

【讨论】：

因此将有 50,000 个 10 长的向量...与 1 个 10 长的向量。当我尝试这个时，我会遇到对齐/广播问题。你能说明“其他人”如何变长吗？