similarity

# Matchms 相似度函数参考 本文档提供了 matchms 中所有可用相似度评分方法的详细信息。 ## 概述 Matchms 提供了多种用于比较质谱图的相似度函数。使用 `calculate_scores()` 计算参考谱图集和查询谱图集之间的成对相似度。 python from matchms import calculate_scores from matchms.similarity import CosineGreedy scores = calculate_scores(references=library_spectra, queries=query_spectra, similarity_function=CosineGreedy()) ## 基于峰值的相似度函数 这些函数根据峰值模式（m/z 和强度值）比较质谱图。 ### CosineGreedy **描述**：使用快速贪婪匹配算法计算两张谱图之间的余弦相似度。在指定的容差范围内匹配峰值，并根据匹配的峰值强度计算相似度。 **适用场景**： - 大数据集的快速相似度计算 - 通用谱图匹配 - 在速度优先于数学最优匹配时 **参数**： - `tolerance` (float, 默认=0.1): 峰值匹配的最大 m/z 差异（道尔顿） - `mz_power` (float, 默认=0.0): m/z 加权的指数（0 = 无加权） - `intensity_power` (float, 默认=1.0): 强度加权的指数 **示例**： python from matchms.similarity import CosineGreedy similarity_func = CosineGreedy(tolerance=0.1, mz_power=0.0, intensity_power=1.0) scores = calculate_scores(references, queries, similarity_func) **输出**：0.0 到 1.0 之间的相似度分数，以及匹配的峰值数量。 --- ### CosineHungarian **描述**：使用匈牙利算法进行最优峰值匹配来计算余弦相似度。提供数学上最优的峰值分配，但比 CosineGreedy 慢。 **适用场景**： - 需要最优峰值匹配时 - 高质量参考库比较 - 需要可重复、数学严谨结果的研究 **参数**： - `tolerance` (float, 默认=0.1): 峰值匹配的最大 m/z 差异 - `mz_power` (float, 默认=0.0): m/z 加权的指数 - `intensity_power` (float, 默认=1.0): 强度加权的指数 **示例**： python from matchms.similarity import CosineHungarian similarity_func = CosineHungarian(tolerance=0.1) scores = calculate_scores(references, queries, similarity_func) *