基于SVD分解的简易菜品推荐系统

简易推荐系统功能:
1.基于物品相似度,向同一用户推荐不同的相似商品(user:items=1:N);
2.基于用户相似度,将同一商品推荐给不同的未购买用户(users:item=N:1);

#coding=utf-8
"""
简易推荐系统:
    1.基于物品相似度,向同一用户推荐不同的相似商品(user:items=1:N);
    2.基于用户相似度,将同一商品推荐给不同的未购买用户(users:item=N:1);
"""
from numpy import *
from numpy import linalg as la

'''加载测试数据集'''
def loadExData():
    return np.mat([[0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 5],
           [0, 0, 0, 3, 0, 4, 0, 0, 0, 0, 3],
           [0, 0, 0, 0, 4, 0, 0, 1, 0, 4, 0],
           [3, 3, 4, 0, 0, 0, 0, 2, 2, 0, 0],
           [5, 4, 5, 0, 0, 0, 0, 5, 5, 0, 0],
           [0, 0, 0, 0, 5, 0, 1, 0, 0, 5, 0],
           [4, 3, 4, 0, 0, 0, 0, 5, 5, 0, 1],
           [0, 0, 0, 4, 0, 4, 0, 0, 0, 0, 4],
           [0, 0, 0, 2, 0, 2, 5, 0, 0, 1, 2],
           [0, 0, 0, 0, 5, 0, 0, 0, 0, 4, 0],
           [1, 0, 0, 0, 0, 0, 0, 1, 2, 0, 0]])

'''以下是三种计算相似度的算法，分别是欧式距离、皮尔逊相关系数和余弦相似度,
注意三种计