Калкулатор за сходство на вектори

Какво е векторна сходство?

Векторната сходство измерва колко подобни са два вектора в многомерно пространство. Векторите са подредени списъци с числа, които представляват точки от данни — те се появяват в машинното обучение embeddings, системи за препоръки, обработка на естествен език, разпознаване на изображения и научни изчисления. Сравняването на два вектора ви казва колко близки или свързани са основните точки от данни.

Използват се два основни концепта:

• Сходство: Оценка, която показва колко подобни са два вектора. По-високите стойности обикновено означават по-голямо сходство (например, косинусното сходство от 1 означава идентична посока).
• Разстояние: Мярка за това колко далеч са един от друг два вектора. По-ниските стойности обикновено означават по-голямо сходство (например, евклидовото разстояние от 0 означава идентични вектори).

Описание на инструмента

Този инструмент изчислява сходството или разстоянието между два числови вектора, използвайки над 50 добре известни методи от теорията на информацията, статистиката и геометрията. Въведете два вектора, изберете метод от раздела за сходство или разстояние, и резултатът се изчислява мигновено в браузъра ви.

Примери

Вход

Vector A: 1, 2, 3
Vector B: 4, 5, 6

Приемани формати на входа

Всички от следните са еквивалентни:

1, 2, 3
[1, 2, 3]
(1 2 3)
1;2;3

Функции

• 50+ методи — изберете от разстояния (Евклидово, Манхатънско, Чебишев, Косинусно, Kullback-Leibler, Jensen-Shannon и други) или сходства (Косинусно, Jaccard, Dice, Tanimoto и други)
• Гъвкав вход — приема стойности разделени със запетаи, интервали или точки и запетаи с или без скоби
• Мигновени резултати — всички изчисления се извършват на страната на клиента без изпращане на данни към сървър

Поддържани методи

Методи за сходство

Методи за разстояние

Как работи

Инструментът анализира всеки вход на вектор в последователност от числа, премахва незадължителни скоби и разделя на запетаи, интервали или точки и запетаи. След това предава двата масива на избраната функция от библиотеката ml-distance, която извършва изчислението в чист JavaScript. И двата вектора трябва да имат същия брой измерения; в противен случай инструментът показва грешка при валидация.

Ограничения

• Някои методи (например Kullback-Leibler, Bhattacharyya) изискват всички стойности да бъдат строго положителни и да се събират до 1 (разпределения на вероятностите). Използването на произволни вектори може да произведе Infinity или NaN, което инструментът третира като грешка при изчисление.
• Много големи вектори (хиляди измерения) се поддържат, но могат да причинят кратко забавяне в зависимост от избрания метод.