Python 使用Numpy&；学习不同

我有以下代码。我试图找出为什么使用numpy点积和sklearn余弦相似性时余弦相似性不同。我认为这与阵列超过1-D有关，但不确定为什么会出现这种情况。任何解释都会有帮助

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

a=np.array([[1,2,3],[1,2,3]])
b=np.array([[1,2,3],[4,4,6],[4,4,6]])

dot = np.dot(a, b)
norma = np.linalg.norm(a)
normb = np.linalg.norm(b)
cos = dot / (norma * normb)

#[[0.32403703 0.33946737 0.50920105]
# [0.32403703 0.33946737 0.50920105]]

cosine_similarity(a, b)
#[[0.96000145 0.9258201  0.94976937]
# [0.96000145 0.9258201  0.94976937]]

---

查看

cosine\u similarity

方法的源代码，它使用默认情况下仅对

axis=1

进行归一化，而不是像

numpy.linalg.norm

那样对整个数组进行归一化。我尝试使用np.dot（a，b）/（np.linalg.norm（a，axis=1）*np.linalg.norm（b，axis=1）），但这在-->1 np.dot（a，b）/（np.linalg.norm（a，axis=1）*npValueError:操作数无法与形状（2，）（3，）一起广播是的，我也尝试过，但必须将规范重新格式化为

（2，1）

和

（3，1）

，但仍然没有得到正确的答案。我只需按照源代码从。您可以单击右上角的

[source]

按钮