Understanding Euclid Distance And Cos Similarity

Banyak algoritma yang digunakan sebagai dasar dari machine learning, beberapa diantaranya adalah algoritma untuk mencari jarak seperti yang dibahas dalam tech talk ini yaitu euclidean distance and cosine similarity. Kedua metode ini adlaah fungsi untuk mencari perbedaan diantara 2 buah vektor, namun yang membedakan kedua metode ini adalah cosine similarity mencari perbedaan sudut kedua vektor sedangkan euclidean distance mencari jarak dari vektor dalam n-dimensi. Dengan algoritma yang disebutkan diatas, cosine similarity cenderung tidak rentan terhadap perubahan panjang vektor selama rasio dari vektor tersebut tidak berubah.

Transcript

1. ML Sneak Peek Understanding Euclid Distance And Cos Similarity
2. Distance on triangle
3. Euclid Distance For n dimension space
4. Euclid Distance Contoh: 1. Ibu budi lapar 2. Ibu budi sayang budi Budi Lapar Sayang Ibu 1 1 0 1 2 0 1 1
5. Cosine similarity
6. Cosine similarity Contoh: 1. Ibu budi lapar 2. Ibu budi sayang budi Budi Lapar Sayang Ibu 1 1 0 1 2 0 1 1
7. Difference
8. Contoh: 1. Ibu budi lapar Ibu budi lapar 2. Ibu budi sayang budi Ibu budi sayang budi Budi Lapar Sayang Ibu 2 2 0 2 4 0 2 2 Euclidean Distance: Cos Similarity: