荐,也就是说,是大家一起产生的推荐。他的工作原理是这样的:如果要推荐一本书给你,
我会在网站上查找一个和你类似的用户,然后将他喜欢的书籍推荐给你
曼哈顿距离 A(x1,y1) B (x2,y2)
|x1-2x| + |y1-y2|
欧几里得距离(勾股定理)
利用勾股定理 计算斜边的长度
上述二维数据可以推广到 N维空间
说明曼哈顿 距离和欧几里得距离在数据完整的情况下效果最好。如果有数据缺失,数据最终精度就不可靠了
我会在网站上查找一个和你类似的用户,然后将他喜欢的书籍推荐给你
曼哈顿距离 A(x1,y1) B (x2,y2)
|x1-2x| + |y1-y2|
欧几里得距离(勾股定理)
利用勾股定理 计算斜边的长度
上述二维数据可以推广到 N维空间
说明曼哈顿 距离和欧几里得距离在数据完整的情况下效果最好。如果有数据缺失,数据最终精度就不可靠了
转载于:https://www.cnblogs.com/TendToBigData/p/10501247.html