使用相似矩陣，而不是在相似矩陣爲MDS scikit學習

Question

我希望顯示的文本文檔的相似性我使用這scikit學習的TfidfVectorizer爲tfidf = TfidfVectorizer(decode_error='ignore', max_df=3).fit_transform(data)

，然後進行餘弦相似度計算作爲cosine_similarity = (tfidf*tfidf.T).toarray()

它給出了相似性，但sklearn.manifold.MDS需要一個不相似矩陣。當我給出1-cosine_similarity時，應該爲零的對角線值不是零。它們是一些小的值，如1.12e-9等。兩個問題：

1）如何使用MDS相似度矩陣或如何將相似度矩陣更改爲相異矩陣？

2）在MDS中，有一個選項dissimilarity，其值可以是'precomputed'或'euclidean'。兩者之間有什麼區別，因爲當我給歐幾里德，MDS座標變得相同，無論我使用的是cosine_similarity還是1-cosine_similarity看起來都是錯誤的。

謝謝！

Answer 1

我真的不明白你的餘弦變換（因爲我知道沒有餘弦/角度參與），我不知道TfidfVectorizer功能，但我會盡量回答你的兩個問題：

1）一般的（異性= 1相似）-approach是有效的，其中在矩陣中的所有的條目是在-1和1假設距離矩陣d之間箱子= cosine_similarity是一個這樣的對稱距離矩陣高達數字假象可以應用

dissimilarity_clean = 1 - np.triu(d)+np.triu(d).T-np.diag(np.ones(len(d))) 

以糾正文物。使用numpys corrcoef（X）創建基於Pearson相關係數的相異矩陣時，可能需要執行相同的操作。兩個邊節點：1.對於非有界相似性度量，您仍然可以想出等價的方法。 2.在使用MDS的情況下，您可能會考慮使用更接近歐式距離（而不是有界）的測量，因爲這對MDS來說是更自然的選擇，並且會帶來更好的結果。 2）使用'預先計算'選項假定您提供了MDS的.fit（X =相異矩陣） - 方法以及您預先計算的相異矩陣（您的場景）。使用dissimilarity ='euclidean'來代替傳遞給.fit（X = data）的數據的歐氏距離矩陣。

希望這會有所幫助！