《集体智慧编程》阅读笔记

本书从实际业务、应用场景出发，介绍机器学习算法。

提供推荐

主要从如何寻找相似用户、通过相似用户对用户进行商品推荐以及相似商品进行讲述。

每一位用户对部分商品如影片有评价分数，根据两个人对同一商品的打分情况可以判断两用户相似情况。判断相似程度有欧几里得距离、皮尔逊相关度等。其中欧式距离计算不同分数之差的平方和的开方，范围在0到正无穷，容易受到“夸大分数”的影响。皮尔逊相关度根据两人对同样几件商品的评价分数，进行直线拟合，其范围为0~1，并且可有效减小夸大分数的影响。

通过计算不同用户之间的相似程度，可根据相似用户看过的商品进行推荐。为避免一些特殊的评论出现，可考虑将相似用户的相似度与其对该影片的评分加权求和，同时为了避免不同影片观影人数差异，可用影片评分加权之和除以相似用户的相关度之和。

相似商品的计算方法与相似用户近似，只需将数据库中用户与商品位置互换，如原本记录方式为用户1{商品1，商品2}，用户2{商品1，商品2}，改为商品1{用户1，用户2}，商品2{用户1，用户2}。

发现群组

本章主要讨论一种无监督学习方法——聚类。聚类通常用于数据量很大的情况，例如零售商们据此检测出具有相似购买模式的消费者群体。常见有分级聚类（Hierarchical Clustering）和K均值聚类（K-Means Clustering）。

分级聚类每次计算两两个体之间相似距离，将距离最小的两个个体合并为一个群体，可以用树状图来存储。在每一次的计算中，存在大量之前已经计算的距离