Numpy 如何在Python中为向量添加大小或值？

我用这个函数来计算两个向量a，b之间的距离，大小为300，word2vec，我得到“热”和“冷”之间的距离等于1

如何将这个值（1）加到一个向量上，因为我只想到new_vec=model['hot']+1，但是当我计算距离时（new_vec，model['hot']）=17

---

我希望dist（a，c）会给我1

你应该回顾一下是什么。在numpy的情况下，默认使用L-2范数（也称为欧几里德范数）。将1添加到向量时，调用是将1添加到向量中的所有元素

>> vec1 = np.random.normal(0,1,size=300)
>> print(vec1[:5])
... [ 1.18469795  0.04074346 -1.77579852  0.23806222  0.81620881]

>> vec2 = vec1 + 1
>> print(vec2[:5])
... [ 2.18469795  1.04074346 -0.77579852  1.23806222  1.81620881]

现在，您对

norm

的调用是说

sqrt（（a1-b1）**2+（a2-b2）**2+…+（aN bN）**2）

其中

N

是向量的长度，

a

是第一个向量，

b

是第二个向量（ai是a中的第i个元素）。自<代码>（a1-b1）**2==（a2-b2）**2==…=（aN bN）**2==1我们希望这个总数产生N，在你的情况下是300。因此，

sqrt（300）=17.3

是预期的答案

>> print(np.linalg.norm(vec1-vec2))
... 17.320508075688775

要回答“如何向向量添加值”的问题，您已经正确地完成了此操作。如果要向特定元素添加值，则可以执行

vec2[ix]+=value

where

ix

为要添加的元素编制索引。如果要在向量中的所有元素上均匀地添加一个值，该值将使范数改变1，则添加

np.sqrt（1/300）

---

另一个可能相关的是word2vec向量更常用的距离度量：它测量两个向量之间的角度。

您应该查看它是什么。在numpy的情况下，默认使用L-2范数（也称为欧几里德范数）。将1添加到向量时，调用是将1添加到向量中的所有元素

>> vec1 = np.random.normal(0,1,size=300)
>> print(vec1[:5])
... [ 1.18469795  0.04074346 -1.77579852  0.23806222  0.81620881]

>> vec2 = vec1 + 1
>> print(vec2[:5])
... [ 2.18469795  1.04074346 -0.77579852  1.23806222  1.81620881]

现在，您对

norm

的调用是说

sqrt（（a1-b1）**2+（a2-b2）**2+…+（aN bN）**2）

其中

N

是向量的长度，

a

是第一个向量，

b

是第二个向量（ai是a中的第i个元素）。自<代码>（a1-b1）**2==（a2-b2）**2==…=（aN bN）**2==1我们希望这个总数产生N，在你的情况下是300。因此，

sqrt（300）=17.3

是预期的答案

>> print(np.linalg.norm(vec1-vec2))
... 17.320508075688775

要回答“如何向向量添加值”的问题，您已经正确地完成了此操作。如果要向特定元素添加值，则可以执行

vec2[ix]+=value

where

ix

为要添加的元素编制索引。如果要在向量中的所有元素上均匀地添加一个值，该值将使范数改变1，则添加

np.sqrt（1/300）

---

另一个可能相关的是word2vec向量更常用的距离度量：它测量两个向量之间的角度。

如果我可以进一步询问，感谢您的详细解释，因为您提到了余弦sim，所以如果cos sim（'cold'，'hot'）=0.7，我如何将这个大小添加到向量中？正如在new_vec=model['hot']+（0.7）中一样，在这个领域，“将这个量级添加到一个向量”是不常见的，因此它可能有助于了解您为什么要这样做。（如果你想让向量“指向同一个方向，但更强烈”，更典型的做法是将向量乘以某个因子。但由于词向量到词向量的比较通常是通过余弦相似性来完成的，顾名思义，余弦相似性不受向量大小的影响，这同样是一种非典型操作。）谢谢你的详细解释，如果我可以进一步问的话，因为你提到了cosine_-sim，那么如果cos_-sim（'cold'，'hot'）=0.7，我如何将这个量级加到向量上？正如在new_vec=model['hot']+（0.7）中一样，在这个领域，“将这个量级添加到一个向量”是不常见的，因此它可能有助于了解您为什么要这样做。（如果你想让向量“指向同一个方向，但更强烈”，更典型的做法是将向量乘以某个因子。但由于词向量到词向量的比较通常是通过余弦相似性来完成的，顾名思义，余弦相似性不受向量大小的影响，这同样是一种非典型操作。）