Python w/余弦相似性预测 @staticmethod def dot（v1，花朵）： dot_prod=0 i=0 正如一位评论者所提到的，我想你肯定应该看看numpy和scipy，它们使许多数学运算——特别是涉及矩阵和向量的运算——变得更加容易

余弦距离是直接的，这将大大简化您的代码：

@staticmethod
def dot(v1,flower):
    dot_prod = 0
    i = 0
    while i<4:
        dot_prod+=float(v1[i])*float(flower[i])
        i+=1
    return dot_prod
@staticmethod
def norm(vec):
    return math.sqrt(iris.dot(vec,vec))

@staticmethod
def sim_score(v1,v2):
    score = iris.dot(v1,v2) / (iris.norm(v1)*iris.norm(v2))
    return score

加载存储在文件中的数据取决于文件格式。存储数据的一种常见方式是在csv文件中，其中每行包含一个条目（在您的示例中是一朵花），其值用逗号分隔。如果您有一个名为

flowers.csv

的文件，您可以将其加载到一个numpy数组中，如下所示：

from scipy.spatial.distance import cosine
score = cosine(v1, v2)

然后，如果用户提供了一个我们称之为

user\u flower

的输入，我们可以使用scipy函数

cosine

获得它与

flower\u数据中每个花之间的余弦距离，如上所述：

import csv
import numpy as np

# open the csv file to read the data
with open('flowers.csv') as flower_file:

    # create a reader that will read the file line by line
    # and split each line at the commas while reading
    flower_reader = csv.reader(flower_file)

    # map list of string values in each line to floats, 
    # and package the whole thing in a numpy array
    flower_data = np.array([map(float, line) for line in flower_reader])

最相似的花的数目最少。
你的问题是什么？什么是flower？你的问题中似乎没有问题。另外，对于这类代码，我强烈建议你看看NumPy。我正在尝试将文件中的数据与用户输入进行比较，并找到具有最高余弦相似性分数的虹膜
distances = [cosine(user_flower, f) for f in flower_data]