写作业的时候看到了顺手翻译分享一下。博客

余弦相似度和相关系数以及z-score之间的关系

向量a和b之间的余弦相似度只与他们之间的角度有关：
cos\theta = \frac{a\cdot b}{\|a\| \|b\|}
应用余弦相似度的时候，很多情况下向量都是非负的（比如文档中词项的频次向量）。在这些时候，余弦相似度也是非负的。

向量x的“z-score”向量一般地定义如下：

z=\frac{x-\bar{x}}{s_x}

其中\bar{x}=\frac{1}{n}\sum_ix_i且s_x^2=\overline{(x-\bar{x})^2}，分别是x的均值和标准差。也就是说，z_x是x标准化之后的结果，是x的标准化版本。

对于向量x和向量y，他们的相关性系数为：
\rho_{x,y}=\overline{(z_xz_y)}

因而，如果一个向量a的均值为0，那么它的方差为s_a^2=\frac{1}{n}\lVert{a}\rVert^2。因此，其单位向量和z-score的关系为：
\hat{a}=\frac{a}{\lVert{a}\rVert}=\frac{z_a}{\sqrt n}

所以，如果向量a和向量b是中心化的（也就是均值为0），那么它们的余弦相似度和它们的相关性系数是一样的。

太长不看：余弦相似度是向量方向上的单位向量的点积。而皮尔森相关系数是向量中心化后之间的余弦相似度。一个向量的"z-score变换"是将中心化的向量缩放到\sqrt{n}大小。