series_cosine_similarity()
Van toepassing op: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel-
Bereken de cosinus-overeenkomst van twee numerieke vectoren.
De functie series_cosine_similarity()
twee numerieke reeksen als invoer gebruikt en berekent de cosinus-gelijkenis.
Syntaxis
series_cosine_similarity(
reeks1,
reeks2, [
*magnitude1, [
*magnitude2]])
Meer informatie over syntaxisconventies.
Parameters
Naam | Type | Vereist | Beschrijving |
---|---|---|---|
reeks1, reeks2 | dynamic |
✔️ | Invoermatrices met numerieke gegevens. |
grootte1, grootte2 | real |
Optionele grootte van respectievelijk de eerste en de tweede vectoren. De grootte is de vierkantswortel van het puntproduct van de vector met zichzelf. Als de grootte niet is opgegeven, wordt deze berekend. |
Retourneert
Retourneert een waarde van het type real
waarvan de waarde de cosinus-overeenkomst is van reeks1 met reeks2.
Als beide reekslengten niet gelijk zijn, wordt de langere reeks afgekapt tot de lengte van de kortere reeks.
Elk niet-numeriek element van de invoerreeks wordt genegeerd.
Notitie
Als een of beide invoermatrices leeg zijn, wordt het resultaat null
.
Prestaties optimaliseren
Voor verbeterde prestaties en verminderde opslagvereisten bij het gebruik van deze functie kunt u overwegen het Vector16
coderingsbeleid te gebruiken voor het opslaan van drijvendekommagectors waarvoor geen precisie van 64 bits is vereist, zoals ML-vectorinsluitingen. Het Vector16
profiel, dat gebruikmaakt van de Bfloat16 drijvendekommagepresentatie, kan de bewerking aanzienlijk optimaliseren en de opslaggrootte met een factor 4 verminderen. Raadpleeg de encoding-beleidstypenvoor meer informatie over het Vector16
coderingsbeleid.
Voorbeeld
datatable(s1:dynamic, s2:dynamic)
[
dynamic([0.1,0.2,0.1,0.2]), dynamic([0.11,0.2,0.11,0.21]),
dynamic([0.1,0.2,0.1,0.2]), dynamic([1,2,3,4]),
]
| extend cosine_similarity=series_cosine_similarity(s1, s2)
s1 | s2 | cosine_similarity |
---|---|---|
[0.1,0.2,0.1,0.2] | [0.11,0.2,0.11,0.21] | 0.99935343825504 |
[0.1,0.2,0.1,0.2] | [1,2,3,4] | 0.923760430703401 |