일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 주식 데이터 수집
- ORACLE SQL NVL
- 리눅스 저장 용량 확인
- 신용평가 Fraud
- 회수모형
- linux 폴더 크기 확인
- jupyter notebook 테마 변경
- ORACLE 상위 N개 추출
- 딥러닝 제대로 시작하기
- 파이썬 테마
- Cudnn 버전 확인
- 파이썬 이미지 리스트 변환
- CSS Fraud Score
- 파이썬 이미지 불러오기
- 파이썬 이미지 라벨 저장
- 주피터노트북 테마 변경
- 신용평가 부정사용 평점
- python pandas
- Python Numpy
- SQL NULL값 처리
- SQL NVL
- 딥러닝
- jupyter notebook PDF
- 행동평점
- python image load
- python image list
- 신청평점
- ORACLE 상위 행 추출
- linux 폴더 용량 확인
- ORACLE NULL값 처리
Archives
- Today
- Total
목록코사인 유사도 (1)
koos808
코사인 유사도(cosine similarity) + python 코드
* 벡터간의 유사도를 측정할 수 있는 대표적인 방법은 유클리디안 거리와 같은 거리 계산 방법말고도 코사인 유사도가 있습니다. 추천시스템에서 많이 쓰이는 코사인 유사도의 수식과 구현 코드에 대해서 알아보겠습니다. * 코사인 유사도 : 코사인 유사도(― 類似度, 영어: cosine similarity)는 내적공간의 두 벡터간 각도의 코사인값을 이용하여 측정된 벡터간의 유사한 정도를 의미합니다. * 두 벡터의 코사인값은 유클리디안 스칼라곱 공식에서 유도할 수 있습니다. 속성 A, B의 벡터값이 각각 주어졌을 때, 코사인 유사도 cos(θ)는 벡터의 스칼라곱과 크기로 다음과 같이 표현할 수 있습니다. * cosθ의 θ가 1에 가까울 수록 "방향"(거리는 고려 X)을 기준으로 두 개의 벡터가 유사하다고 볼 수 있..
Statistics
2020. 9. 25. 11:30