ベクトル距離・コサイン類似度
バグ・不具合を報告
同次元の匿名数値ベクトル同士を、選択した距離または類似度の定義で比較する。
距離は成分の尺度に依存します。コサイン類似度は方向の比較で、ゼロベクトルには定義されません。
入力すると自動で計算します。Enterで次の項目へ進めます。次の入力欄を選んで進めます。
必要な入力・選択は4項目です。
計算結果
—
- 比較したベクトル数
- —
- 次元数
- —
必要な値を入力すると自動で計算します。
この計算機は使いやすかったですか?
回答はサイト改善のために保存します。入力値・計算結果は送りません。
ありがとうございます。よかったら、上の共有ボタンからこの計算機を紹介しませんか?
計算方法・適用範囲・出典
計算方法
同次元ベクトルa,bについて、コサイン類似度=Σ(aᵢbᵢ)/(√Σaᵢ²・√Σbᵢ²)、コサイン距離=1−コサイン類似度、ユークリッド距離=√Σ(aᵢ−bᵢ)²、マンハッタン距離=Σ|aᵢ−bᵢ|。全組合せを入力順に計算し、対称行列で示します。距離の対角は0、コサイン類似度の対角は1です。ゼロベクトルのコサインは分母が0のため算出できません。
先頭2ベクトルの比較値、ベクトル数、全組合せの対称な対応行列。
計算例(架空の数値)
架空の2次元ベクトルa=(1,0)、b=(0,1)では、コサイン類似度0、コサイン距離1、ユークリッド距離√2≒1.41421356237、マンハッタン距離2です。
適用対象と限界
同じ次元・軸順で表され、距離計算では軸の単位・尺度が比較可能な匿名の数値ベクトル。異なる次元・軸の対応が異なる入力、ゼロベクトルのコサイン計算、重み付け、標準化、クラスタリング、相関係数、埋め込みモデルの生成は対象外。0補完は明示指定した場合のみ行う。
方法と出典
方法:scikit-learn 1.9.0 pairwise.cosine_similarity / euclidean_distances;SciPy 1.18.0 spatial.distance.cosine / cityblock。データ記録日:2026-11-13。