协同过滤算法原理

本文主要讲解基于用户（User-CF)和基于物品（Item-CF）的协同过滤推荐算法的原理

推荐算法主要基于用户历史行为信息获取数据，找到相似的用户和商品，并对用户进行推荐可能感兴趣的商品。

对用户进行推荐主要有两类：

1.基于用户的协同过滤（User-CF）

          用户A对商品y的喜好 = 用户B对商品y的喜好程度 * 用户A和B的相似度

2.基于商品的协同过滤（Item-CF）

          用户A对商品y的喜好 = 用户A对商品x的喜好程度 * 商品x和y的相似度

根据实际例子过一遍，我们就可以很直观地理解了什么是User-CF和Item-CF，也能很清楚知道两者的区别。

一.基于用户的协同过滤(User-CF)

User-Item表

	NIKE	ADIDAS	VANS	TATA	斐乐
A	4	5	4