Elegir métricas de distancia (coseno, L2 y producto escalar)
Aprenda cuándo elegir la distancia coseno, L2 —euclídea— o de producto escalar, y por qué la mayoría de los modelos de embeddings prefieren el coseno.
Elegir métricas de distancia (coseno, L2 y producto escalar) es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Tres métricas habituales
Las bases de datos vectoriales le permiten elegir una métrica de distancia. Las tres que verá con más frecuencia:
- Similitud del coseno — ángulo entre vectores
- Producto escalar — proyección de un vector sobre el otro
- Euclídea (L2) — distancia en línea recta
Coseno
Rango: -1 a 1. Un valor mayor = mayor similitud.
import numpy as np
def cosine(a, b):
return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))Producto escalar
Rango: -infinito a +infinito. Un valor mayor = mayor similitud.
def dot(a, b):
return np.dot(a, b)
# Equivalent to cosine when both vectors are unit-normalized.Euclídea (L2)
Rango: 0 a +infinito. Un valor menor = mayor similitud.
def l2(a, b):
return np.linalg.norm(np.array(a) - np.array(b))¿Cuál debería utilizar?
Para embeddings de texto, la convención es:
- OpenAI text-embedding-3 — coseno (los vectores están normalizados previamente)
- Cohere — coseno
- Sentence Transformers / BGE — normalmente coseno; consulte la ficha del modelo
Si tiene dudas, use el coseno.
El producto escalar equivale al coseno con vectores normalizados
Si |a| = |b| = 1, entonces cos(a,b) = a . b. El producto escalar es más rápido (no requiere división); los sistemas de producción suelen utilizarlo con vectores normalizados previamente.
Cuándo se utiliza L2
Algunos modelos de investigación (variantes antiguas de Sentence-BERT y embeddings de imágenes) se entrenan con distancia L2 y funcionan mejor con ella. Consulte siempre la ficha del modelo.
Por qué es importante para el índice
La estructura del índice (HNSW, IVF, FAISS) se construye para una métrica ESPECÍFICA. Cambiar la métrica después de indexar normalmente implica reconstruir el índice desde cero.
Setting Metric in Pinecone
from pinecone import ServerlessSpec
pc.create_index(
name='docs',
dimension=1536,
metric='cosine', # or 'dotproduct' or 'euclidean'
spec=ServerlessSpec(cloud='aws', region='us-east-1')
)Setting Metric in Qdrant
from qdrant_client.models import VectorParams, Distance
client.create_collection(
collection_name='docs',
vectors_config=VectorParams(size=1536, distance=Distance.COSINE)
)Métrica incoherente entre sistemas
Si más adelante vuelve a puntuar con un cross-encoder, este utiliza su propia escala de puntuación. No combine métricas en un único valor compuesto sin normalizarlas primero.
Visualización de la diferencia
Para dos vectores unitarios:
- cos = 1, L2 = 0 -> idénticos
- cos = 0.5, L2 ~ 1 -> relacionados
- cos = 0, L2 ~ sqrt(2) -> ortogonales
- cos = -1, L2 = 2 -> opuestos
Normalice una sola vez
Normalizar durante la ingesta es barato (una división). Fija la compatibilidad con coseno / producto escalar y evita tener que normalizar en cada consulta posteriormente.
vec = vec / np.linalg.norm(vec)Métrica predeterminada
Para los embeddings de texto de OpenAI, ¿cuál es la métrica de distancia predeterminada?
Resumen
Coseno para texto. Normalice previamente una sola vez y utilice el producto escalar para ganar velocidad. Establezca la métrica al crear el índice; cambiarla después implica reconstruirlo.
Preguntas frecuentes
¿La lección «Elegir métricas de distancia (coseno, L2 y producto escalar)» es gratis?
Sí — el texto completo de «Elegir métricas de distancia (coseno, L2 y producto escalar)» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.
¿Qué aprenderé en «Elegir métricas de distancia (coseno, L2 y producto escalar)»?
Aprenda cuándo elegir la distancia coseno, L2 —euclídea— o de producto escalar, y por qué la mayoría de los modelos de embeddings prefieren el coseno. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents?
No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Elegir métricas de distancia (coseno, L2 y producto escalar)»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents?
Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Pinecone, Weaviate y Qdrant: comparación
- Filtrado de metadatos para búsqueda híbrida
- Actualizar y eliminar vectores
- Elegir métricas de distancia (coseno, L2 y producto escalar)