sklearn.metrics.pairwise余弦相似度/距离输出超[-1,1]范围咨询

首先先澄清两个容易混淆的接口定义：

• cosine_similarity 理论取值范围为[-1, 1]，计算逻辑为两向量点积除以两向量L2范数的乘积
• cosine_distance 理论取值范围为[0, 2]，计算逻辑为1 - cosine_similarity，本身就允许出现大于1的结果（比如两向量完全反向时，余弦相似度为-1，对应余弦距离为2），这种情况不属于计算异常，是对接口返回值的概念认知偏差。

如果你确认调用的是cosine_similarity接口，仍然得到略大于1的结果，原因完全来自浮点数计算的固有精度误差：

• 计算机存储浮点数本身就存在截断误差，常用的float64类型有效精度仅为15~17位十进制数，点积、范数计算过程中的多次乘加操作会累积微小偏差
• 当两个输入向量方向几乎完全一致时，理论上相似度应该严格等于1，但如果计算得到的范数乘积比真实值小了极微量，最终除法得到的结果就会出现1.0000000000001、1.0000000002这类略超1的数值，偏差幅度通常在1e-12量级以内，不属于接口逻辑错误。

这类精度误差不会对实际业务结果产生实质影响，如果后续需要基于相似度做反余弦等严格依赖定义域的计算，手动将结果裁剪到[-1, 1]区间即可。

你可以用如下代码复现该精度问题：

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

vec1 = np.array([[1.23456789, 9.87654321, 5.67891234]])
vec2 = vec1 * 1.00000000001  # 两个方向几乎完全一致的向量
print(cosine_similarity(vec1, vec2))
# 典型输出: [[1.0000000000000002]]

内容的提问来源于stack exchange，提问作者striatum