微分積分
・ 微分公式
・ 偏微分
・ 数値微分
・ 部分積分
・ 微分方程式
・ ガウス関数の積分公式
複素数
・ 複素数とは
・ 複素数を使う意味
フーリエ変換
・ フーリエ変換, FFTとは
・ FFTの原理
ラプラス変換
・ ラプラス変換とは
・ ラプラス変換の役割
線形代数
・ 行列を使う目的, 定義
・ 逆行列 , 行列式
・ 行列の積
・ 転置行列
・ 行列の微分
・ 固有値
・ ベクトルの内積
・ ベクトルの外積
・ ベクトル場
・ コサイン類似度
・ 集合
・ 写像
・ 連立方程式を解く
指数 対数
・ 対数関数
・ 指数関数 , べき関数
・ デシベル
・ ネイピア数
その他
・ 三角関数
・ 素数
・ 階乗計算, ガンマ関数
・ arctan ,tanhの違い
・ 総和 Σ, 総乗 Π
・ ∇, grad, div, rot
・ 等差数列
・ 有理関数のマクローリン展開
・ ニュートン法
・ 重心
・ 2乗に比例する関数
・ ラグランジュの未定乗数法
・ マンハッタン,ユークリッド
・ 帰納法, 演繹法
・ 背理法
・ 弧度法
・ スプライン曲線
・ フィボナッチ数列
・ 複利計算
・ | (バーティカルバー)
|
・In English
前提知識
・ベクトルの内積
・共分散
■コサイン類似度とは
コサイン類似度とは、二つのベクトルの向きがどれくらい同じ方向に向いているか、その類似度をベクトルの内積を用いて表した指標です。
サンプルデータをベクトルに置き換え、コサイン類似度を求めることで、データの類似性を見出すことができます。
コサイン類似度の使用例として、自然言語処理において単語や文章をベクトル化することで、その類似度を測る場合や、サンプルデータの類似度から回帰分析(ex:カーネル回帰)する際などにも使用されます。
内積と共分散の関係を理解すると、何故内積でベクトルの類似度が測ることができるのかイメージできます。
■ベクトルの内積と共分散の関係性
<ベクトルの内積>
以下のように定義されます。
ここで、以下のとおり式変形します。
<共分散>
相関係数rは共分散を用いて以下のように定義されます。rが1に近づくほど、サンプルxとyが類似している事を意味します。
<コサイン類似度>
(3)式と(5)式を比較すると、式の形が一致している事が分かります。つまり、cosθは相関係数rに相当し以下の関係になっているため、cosを求めることでデータの類似度を測ることができます。
サブチャンネルあります。⇒ 何かのお役に立てればと
微分積分
・ 微分公式
・ 偏微分
・ 数値微分
・ 部分積分
・ 微分方程式
・ ガウス関数の積分公式
複素数
・ 複素数とは
・ 複素数を使う意味
フーリエ変換
・ フーリエ変換, FFTとは
・ FFTの原理
ラプラス変換
・ ラプラス変換とは
・ ラプラス変換の役割
線形代数
・ 行列を使う目的, 定義
・ 逆行列 , 行列式
・ 行列の積
・ 転置行列
・ 行列の微分
・ 固有値
・ ベクトルの内積
・ ベクトルの外積
・ ベクトル場
・ コサイン類似度
・ 集合
・ 写像
・ 連立方程式を解く
指数 対数
・ 対数関数
・ 指数関数 , べき関数
・ デシベル
・ ネイピア数
その他
・ 三角関数
・ 素数
・ 階乗計算, ガンマ関数
・ arctan ,tanhの違い
・ 総和 Σ, 総乗 Π
・ ∇, grad, div, rot
・ 等差数列
・ 有理関数のマクローリン展開
・ ニュートン法
・ 重心
・ 2乗に比例する関数
・ ラグランジュの未定乗数法
・ マンハッタン,ユークリッド
・ 帰納法, 演繹法
・ 背理法
・ 弧度法
・ スプライン曲線
・ フィボナッチ数列
・ 複利計算
・ | (バーティカルバー)
|
|
|