是否有一个R函数可以计算余弦相似度矩阵？[关闭]

20

我想通过基于余弦距离的行聚类制作一个热图。我正在使用R并heatmap.2()制作数字。我可以看到其中有一个dist参数，heatmap.2但是找不到用于生成余弦相异度矩阵的函数。内置dist函数不支持余弦距离，我还发现了一个arules带有dissimilarity()函数的包，但仅适用于二进制数据。

r clustering similarities

— 格雷格·斯洛德科维奇
source

5

编写自己的余弦不相似函数可能会更快。

— 假定是正常的2012年

2

余弦是相似的，而不是相似的。但是，您可以将余弦转换为缩放数据的欧氏距离：d = sqrt（2 *（1-cos））。

— ttnphns 2012年

关于SO的同样问题：查找两个数组之间的余弦相似性

— smci

29

正如@Max在注释（+1）中指出的那样，“花自己的时间写”比花时间在其他地方查找要简单得多。众所周知，长度为两个向量之间的余弦相似度为 $A,B$ $n$

C = \frac{\sum_{一世 = 1个}^{ñ} {一种}_{一世} 乙_{一世}}{\sqrt{\sum_{一世 = 1个}^{ñ} {一种}_{一世}^{2}} \cdot \sqrt{\sum_{一世 = 1个}^{ñ} 乙_{一世}^{2}}}

$C = \frac{ \sum \limits_{i=1}^{n}A_{i} B_{i} }{ \sqrt{\sum \limits_{i=1}^{n} A_{i}^2} \cdot \sqrt{\sum \limits_{i=1}^{n} B_{i}^2} }$

这很容易在中生成R。设X矩阵，其中行是我们要计算它们之间相似度的值。然后，我们可以使用以下R代码计算相似度矩阵：

cos.sim <- function(ix) 
{
    A = X[ix[1],]
    B = X[ix[2],]
    return( sum(A*B)/sqrt(sum(A^2)*sum(B^2)) )
}   
n <- nrow(X) 
cmb <- expand.grid(i=1:n, j=1:n) 
C <- matrix(apply(cmb,1,cos.sim),n,n)

然后，该矩阵C就是余弦相似度矩阵，您可以将其传递给您喜欢的任何热图函数（我所熟悉的唯一函数是image()）。

— 巨集
source

谢谢，这是有帮助的。实际上，我不想绘制矩阵本身，而是拥有一个距离函数来聚类另一个热图。

— 格雷格·斯洛德科维奇

@GregSlodkowicz，好的，也许您可以将此矩阵传递给您使用的函数。此外，如果您认为此答案有帮助，请考虑接受投票（如果您认为是确定的，请接受答案）：）

— Macro

太好了，多亏您的回复和ttnphns的评论，我才能做到自己想要的。现在，我希望在对行进行聚簇时与对列对聚簇时使用不同的度量标准，但这也许正在推动它...

— Greg Slodkowicz

显然我没有足够的意见要发表意见。我只是想提供一个对Macro的很好回答的稍微修改的版本。这里是。＃Macros的ChirazB版本的cos.sim（），其中S = X％*％t（X）cos.sim.2 <-function（S，ix）{i <-ix [1] j <-ix [2 ] return（S [i，j] / sqrt（S [i，i] * S [j，j]））} #test X <-matrix（rnorm（20），nrow = 5，ncol = 4）S < -X％*％t（X）n <-nrow（X）idx.arr <-expand.grid（i = 1：n，j = 1：n）C <-matrix（apply（idx.arr，1， cos.sim，X），n，n）C2 <-matrix（apply（idx.arr，1，cos.sim.2，S），n，n）我不喜欢全局变量，这就是为什么我包括S作为参数。

— Chiraz BenAbdelkader 2015年

6

您可以使用cosinelsa软件包中的函数：http :
//cran.r-project.org/web/packages/lsa

— 冯吉德
source

4

在处理矩阵而不是一维向量时，以下函数可能会很有用：

# input: row matrices 'ma' and 'mb' (with compatible dimensions)
# output: cosine similarity matrix

cos.sim=function(ma, mb){
  mat=tcrossprod(ma, mb)
  t1=sqrt(apply(ma, 1, crossprod))
  t2=sqrt(apply(mb, 1, crossprod))
  mat / outer(t1,t2)
}

— 金舍
source

4

上面的一些答案在计算上效率低下，请尝试一下；

对于余弦相似度矩阵

Matrix <- as.matrix(DF)
sim <- Matrix / sqrt(rowSums(Matrix * Matrix))
sim <- sim %*% t(sim)

转换为余弦相异矩阵（距离矩阵）。

D_sim <- as.dist(1 - sim)

— 布拉德
source

0

在此问题上加强一些先前的代码（来自@Macro），我们可以将其包装为以下更干净的版本：

df <- data.frame(t(data.frame(c1=rnorm(100),
                              c2=rnorm(100),
                              c3=rnorm(100),
                              c4=rnorm(100),
                              c5=rnorm(100),
                              c6=rnorm(100))))

#df[df > 0] <- 1
#df[df <= 0] <- 0



apply_cosine_similarity <- function(df){
  cos.sim <- function(df, ix) 
  {
    A = df[ix[1],]
    B = df[ix[2],]
    return( sum(A*B)/sqrt(sum(A^2)*sum(B^2)) )
  }   
  n <- nrow(df) 
  cmb <- expand.grid(i=1:n, j=1:n) 
  C <- matrix(apply(cmb,1,function(cmb){ cos.sim(df, cmb) }),n,n)
  C
}
apply_cosine_similarity(df)

希望这可以帮助！

— bmc
source