جواب «All Similarities at Once» چالش 5 از جلسهی 55
سؤال
به جای حلقه، همهی شباهتها را یکجا حساب کن. خودت بنویس: ماتریس M بساز که هر سطرش بردار یکی از کلمههای names تقسیم بر طولش باشد (طول ۱). بعد S = M @ M.T همهی کسینوسها را میدهد. np.round(S, 2) را چاپ کن: [[1. 0.7 0.15 0.08]، [0.7 1. 0.04 0.02]، [0.15 0.04 1. 0.15]، [0.08 0.02 0.15 1. ]].
راهنما
M = np.array([words[n] / np.linalg.norm(words[n]) for n in names]). وقتی هر دو بردار طول ۱ دارند، ضرب داخلیشان همان کسینوس است.
یک جواب درست
import numpy as np
words = {
"cat": np.array([1.0, 0.0, 0.0, 0.3, 0.0]),
"kitten": np.array([1.0, 0.0, 0.0, 0.1, 1.0]),
"dog": np.array([1.0, 0.0, 0.0, 0.5, 0.0]),
"puppy": np.array([1.0, 0.0, 0.0, 0.2, 1.0]),
"car": np.array([0.0, 0.0, 1.0, 0.6, 0.0]),
"bus": np.array([0.0, 0.0, 1.0, 1.0, 0.0]),
"pizza": np.array([0.0, 1.0, 0.0, 0.3, 0.0]),
"apple": np.array([0.0, 1.0, 0.0, 0.1, 0.0]),
}
names = ["cat", "kitten", "car", "pizza"]
rows = []
for n in names:
v = words[n]
rows.append(v / np.linalg.norm(v))
M = np.array(rows)
S = M @ M.T
print(np.round(S, 2))
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن