Supongo que el rendimiento no importa mucho aquí, pero no puedo resistirme. La función zip () vuelve a copiar completamente ambos vectores (más bien una transposición de matriz, en realidad) solo para obtener los datos en orden "Pythonic". Sería interesante cronometrar la implementación de tuercas y tornillos:
import math
def cosine_similarity(v1,v2):
"compute cosine similarity of v1 to v2: (v1 dot v2)/{||v1||*||v2||)"
sumxx, sumxy, sumyy = 0, 0, 0
for i in range(len(v1)):
x = v1[i]; y = v2[i]
sumxx += x*x
sumyy += y*y
sumxy += x*y
return sumxy/math.sqrt(sumxx*sumyy)
v1,v2 = [3, 45, 7, 2], [2, 54, 13, 15]
print(v1, v2, cosine_similarity(v1,v2))
Output: [3, 45, 7, 2] [2, 54, 13, 15] 0.972284251712
Eso pasa por el ruido tipo C de extraer elementos de uno en uno, pero no realiza copias masivas de matrices y hace que todo lo importante se haga en un solo bucle for, y usa una sola raíz cuadrada.
ETA: llamada de impresión actualizada para que sea una función. (El original era Python 2.7, no 3.3. El actual se ejecuta en Python 2.7 con una from __future__ import print_function
declaración). El resultado es el mismo, de cualquier manera.
CPYthon 2.7.3 en 3.0GHz Core 2 Duo:
>>> timeit.timeit("cosine_similarity(v1,v2)",setup="from __main__ import cosine_similarity, v1, v2")
2.4261788514654654
>>> timeit.timeit("cosine_measure(v1,v2)",setup="from __main__ import cosine_measure, v1, v2")
8.794677709375264
Entonces, la forma no pitónica es aproximadamente 3.6 veces más rápida en este caso.