推荐系统(2)--计算皮尔逊相关系数

计算皮尔逊相关系数

代码如下:

#-*- coding:utf-8 -*-
'''
 皮尔逊相关系数
'''
import  json
import numpy as np

# 计算user1 和 user2的相关系数
def pearson_score(dataset,user1,user2):
    if user1 not in dataset:
        raise TypeError('User'+user1+'not present in the dataset')
    if user2 not in dataset:
        raise TypeError('User'+user2+'not present in the dataset')
    # 提取两个用户都评过分的电影
    rated_by_both = {}
    for item in dataset[user1]:
       if item in dataset[user2]:
           rated_by_both[item]=1
    num_ratings=len(rated_by_both)
    # 如果两个用户都没有评分 则说明两个用户之间没有相似度 返回值为0
    if num_ratings==0:
        return  0
    # 计算相同评分电影的平方值之和
    user1_sum=np.sum([dataset[user1][item] for item in rated_by_both])
    user2_sum=np.sum([dataset[user2][item] for item in rated_by_both])

    # 计算相同电影的评分的平方和
    user1_squared_sum=np.sum([np.square(dataset[user1][item]) for item in rated_by_both])
    user2_squared_sum=np.sum([np.square(dataset[user2][item]) for item in rated_by_both])

    # 计算数据集的乘积之和
    product_sum=np.sum([dataset[user1][item]*dataset[user2][item] for item in rated_by_both])

    # 计算皮尔逊相关系数
    Sxy=product_sum-(user1_sum*user2_sum/num_ratings)
    Sxx=user1_squared_sum-np.square(user1_sum)/num_ratings
    Syy=user2_squared_sum-np.square(user2_sum)/num_ratings

    # 考虑分母为0的情况
    if Sxx*Syy==0:
        return 0
    # 如果上述正常 返回皮尔逊相关系数
    return Sxy/np.sqrt(Sxx*Syy)


if __name__=='__main__':
    data_file='movie_ratings.json'
    with open(data_file,'r') as f:
        # 函数注意...()
        data=json.loads(f.read())
    user1='John Carson'
    user2='Michelle Peterson'

    print '\n 皮尔逊相关系数:'
    print pearson_score(data,user1,user2)

输出结果如下:

 皮尔逊相关系数:
0.396059017191