But I Love U的专栏

chapter 3 (collabative filtering ) of 《guide to db》slope one 算法比较简单：1.先构造 collection of deviation(average deviation)                                                2.weighted slope one ,已经打分的项+该项的

这本书比较简单，适合做推荐系统入门级读物。作者写的很仔细，一些复杂的公式都拆开讲。这是他的网站：http://guidetodatamining.com/一、通过用户的相似度（最相似用户）进行推荐。主要有三种方式：1.距离 2.pearson 3.cosine原理就不说了，书中都有，很简单。主要贴下代码: 1 recommend by distancefrom

原理：先计算出与物品最近的物品（用manhattan距离），然后以最相似物品的评分来估计现在的。users = {"Angelica": {"Dr Dog/Fate": "L", "Phoenix/Lisztomania": "L", "Heartless Bastards/Out at Sea": "D",

class Classifier: def __init__(self, filename): self.data = [] self.getData(filename) self.dimension = 2 self.medians = [] self.asds = [] self.norma