chapter2:提供推荐
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了chapter2:提供推荐相关的知识,希望对你有一定的参考价值。
一.相似度度量方法
1.欧几里得距离(euclidean)
对于两个n维向量A,B,
2.皮尔逊相关度
皮尔逊相关度其实是协方差和标准差的商,即对于两个n维向量A,B,
所以:
皮尔逊相关度的取值范围是[-1,1],是两个样本集向量夹角的cosine值
3.jaccard相似度和广义jaccard相似度
对集合A和B,Jaccard相似度计算如下:
Jaccard(A, B)= |A intersect B| / |A union B|
相似度数值在[0, 1]之间,当A==B的时候,为1.
元素的取值只能是0或者1
广义jaccard相似度,即Tanimoto系数,用EJ来表示。
EJ(A,B)=(A*B)/(||A||^2+||B||^2-A*B)
4.曼哈顿距离
平面上坐标(x1, y1)的i点与坐标(x2, y2)的j点的曼哈顿距离为
d(i,j)=|X1-X2|+|Y1-Y2|
以上是关于chapter2:提供推荐的主要内容,如果未能解决你的问题,请参考以下文章
Python Algorithms – chapter2 基础知识