如何在MATLAB中快速计算数据矩阵的成对余弦相似度

嘿，这个问题我熟！要快速计算样本列之间的成对余弦相似度，在MATLAB里有几种高效的方法，尤其是当数据量不算特别大的时候，下面给你拆解最优方案：

首先明确需求：我们有3行5列的矩阵X，每一列是一个样本特征向量，要得到5×5的对称相似度矩阵S，其中S(i,j)是第i列和第j列的余弦相似度。

核心思路：利用矩阵向量化运算+归一化 #

余弦相似度的本质是归一化向量的点积。所以我们可以先把每个样本向量归一化到单位长度，然后直接做矩阵乘法，一步得到所有成对的相似度——这比循环计算每一对要快得多（MATLAB的矩阵运算底层是优化过的BLAS/LAPACK库，速度拉满）。

具体代码实现 #

% 给定的原始数据矩阵
X = [0.8147, 0.9134, 0.2785, 0.9649, 0.9572; 
     0.9058, 0.6324, 0.5469, 0.1576, 0.4854; 
     0.1270, 0.0975, 0.9575, 0.9706, 0.8003];

% 步骤1：计算每个样本列的L2范数（即欧几里得长度）
norms = vecnorm(X, 2, 1); % 按列计算范数，得到1×5的向量

% 步骤2：将X的每一列除以对应的范数，得到归一化后的矩阵
X_norm = X ./ norms; % 这里用了广播机制，MATLAB R2016b及以上支持

% 步骤3：计算相似度矩阵，直接用归一化矩阵的转置乘原归一化矩阵
S = X_norm' * X_norm;

验证结果 #

比如你要的S(3,4)，运行后可以查看：

disp(S(3,4));

计算出来的结果是第三列和第四列归一化后的点积，也就是它们的余弦相似度，和手动计算的结果完全一致。

为什么这是最快的？ #

• 完全避免了循环：循环在MATLAB里是出了名的慢，尤其是样本数量多的时候，向量化运算能把速度提升几个数量级。
• 利用了MATLAB的内置优化：vecnorm和矩阵乘法都是底层优化过的，比自己写循环或者逐列计算高效太多。
• 代码简洁，可读性高，而且容易维护。

如果你的MATLAB版本比较老（低于R2016b），不支持广播的话，可以用bsxfun来实现归一化：

X_norm = bsxfun(@rdivide, X, norms);

效果是一样的，只是写法不同。

内容的提问来源于stack exchange，提问作者jason