先構造乙個簡單的資料集：
#使用者對不同電影的評分
critics=,
'gene seymour
': ,
'michael phillips
': ,
'claudia puig
': ,
'mick lasalle
': ,
'jack matthews
': ,
'toby
': }
評價值特點
歐幾里德距離
多維空間中兩點之間的距離，用來衡量二者的相似度。距離越小，相似度越高。
皮爾遜相關度評價
判斷兩組資料與某一直線擬合程度的一種度量。在資料不是很規範的時候（如影評者對影片的評價總是相對於平均水平偏離很大時），會給出更好的結果。相關係數越大，相似度越高。
#歐幾里得距離
defdisitance_simulation (critics, person1, person2):
result = [name for name in critics[person1] if name in
critics[person2]]
if 0 ==len(result):
return
0
#else:
#print (result)
return (1 / (1 + sqrt(sum([pow(critics[person1][name] - critics[person2][name], 2) for name in
result]))))
#def
pearson_simulation (critics, person1, person2):
result = [name for name in critics[person1] if name in
critics[person2]]
if 0 ==len(result):
return
0
#else:
#print (result)
#評分和
sum1 = sum([critics[person1][name] for name in
result])
sum2 = sum([critics[person2][name] for name in
result])
#平方和
sum1sq = sum([pow(critics[person1][name], 2) for name in
result])
sum2sq = sum([pow(critics[person2][name], 2) for name in
result])
#同乙個電影的評分乘積之和
summ = sum([critics[person1][name] * critics[person2][name] for name in
result])
n =len(result)
num = summ - (sum1 * sum2 /n)
den = sqrt((sum1sq - pow(sum1, 2)/n) * (sum2sq - pow(sum2, 2)/n))
if 0 == den: return
0
return (num/den)
注：皮爾遜相關度的計算中，如果某人總是傾向於給出比另乙個人更高的分值，而兩者的分值之差又始終保持一致，則他們依然可能會存在很好的相關性。畢竟，這個方法認為最相關的時候就是「y=x」直線的時候。
##計算其他使用者與某一使用者的相似度，並且排序
defsort_simulation (critics, person, simularity):
result = [(simularity(critics, person, other), other) for other in critics if other !=person]
result.sort()
result.reverse()
return result
相似度越大，說明兩個人越具有相近的品味
#提供推薦
#根據與其他使用者的相似度，向使用者推薦電影
defget_recommendations(critics, person, simularity):
sum ={}
sums ={}
#計算出與不同使用者的相似度
result =sort_simulation(critics, person, simularity)
#遍歷每個其他使用者的評分
for i in
range(0, len(result)):
if 0 > result[i][0]: continue
for movie in critics[result[i][1]]:
#if movie in critics[result[i][1]] and movie not
incritics[person]:
sum.setdefault(movie, 0)
#相似度*評分
sum[movie] = sum[movie] + result[i][0] * critics[result[i][1]][movie]
sums.setdefault(movie, 0)
#相似度之和
sums[movie] +=result[i][0]
#建立歸一化的表
rank = [(sum[movie]/sums[movie], movie) for movie in
sum]
rank.sort()
rank.reverse()
return (rank)
③匹配商品：通過將資料集中的人員和物品對換，構建新的資料集即可。
#將人名和電影名轉換
deftranfer_name(critics):
result ={}
for name in
critics:
for movie in
critics[name]:
result.setdefault(movie, {})
result[movie][name] =critics[name][movie]
return result
協作型過濾：對一大群人進行搜尋並給出與我們相近的人的排名列表。
稀疏資料集：而每部電影並不會被所有的使用者評價，只有看過的使用者才會評價，這就形成了乙個稀疏資料集。
基於使用者進行過濾和基於物品進行過濾最顯著的區別：物品間的比較不會像使用者間的比較那麼頻繁變化。
在擁有大量資料集的情況下，基於物品的協作型過濾能夠得出更好的結論，而且它允許我們將大量計算任務預先執行，從而使需要給予推薦的使用者能夠快速地得到他們所要的結果。
對於稀疏資料集，基於物品的過濾方法通常要優於基於使用者的過濾方法，而對於密集資料集而言，兩者的效果則幾乎是一樣的。
基於使用者的協同過濾基本思想非常簡單，就是找到志同道合的朋友，並把朋友感興趣的而使用者沒有接觸過的商品推薦給使用者。
但是這有乙個問題，由於新使用者的註冊量非常高，基於使用者的協同過濾推薦需要計算新使用者和之前的使用者之間的相似度，這會將資料稀疏，延展性差等問題暴露的非常明顯。
所以基於商品的協同過濾方法被提出，相較於使用者之間的相似度，商品之間的相似度相對是靜態的，當新使用者註冊並有了一些自己感興趣的商品資訊時，無需再進行計算，直接根據之前儲存的商品之間的相似度，將使用者可能感興趣的商品推薦給使用者。
參考：
posted @
2018-12-23 16:24
小時候挺菜 閱讀(
...)
編輯收藏
《集體智慧型程式設計》學習筆記（一）
先構造乙個簡單的資料集 使用者對不同電影的評分 critics gene seymour michael phillips claudia puig mick lasalle jack matthews toby 評價值特點 歐幾里德距離 多維空間中兩點之間的距離，用來衡量二者的相似度。距離越小，相...
集體智慧型程式設計學習筆記 更新
本人是python初學者，本系列用來熟悉python和記錄學習點滴 度量 引數 函式 名詞 注意 第二章 推薦演算法 語言python 步驟 1 數值化 將屬性的值對應到數字，如喜歡 1不喜歡 1 已購買2，已瀏覽1未購買0 2 相似度係數 用來確定與其他人評委的相似程度的度量。常用兩種度量 歐幾里...
集體智慧型程式設計學習
集體智慧型程式設計學習 概要 文章主要討論一些我遇到的問題，學習到的方法，總結一些演算法的實現過程。注 所參考的版本為2009年出版。書中packages與現在有變化，但是可以通過查閱相關packages文件來找到相關功能 3.相似度排序 4.相似人群加權排名及歸一化 6.構建基於 del.icio...