他们的目标都是一样的:找到相似的向量。 你在什么情况下使用哪个？ (有实际的例子吗？)
最佳答案
Pearson 相关性和余弦相似性对于缩放是不变的，即将所有元素乘以一个非零常数。 PIL 逊相关性对于向所有元素添加任何常数也是不变的。例如，如果您有两个向量 X1 和 X2，并且您的 Pearson 相关函数称为 pearson()，pearson(X1, X2) == pearson(X1, 2 * X2 + 3 )。这是一个非常重要的属性，因为您通常不关心两个向量在绝对意义上是否相似，只关心它们以相同的方式变化。
关于algorithm - 欧几里德距离与 PIL 逊相关性与余弦相似性？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1838806/