皮尔逊相关系数(Pearson Correlation)
一、欧几里德距离欧几里德距离(Euclidean Distance)是机器学习中常见的相似度的计算方式。它被用来求两个向量间的距离,取值范围为0至正无穷。两个向量间的距离较小,两个向量越相似。欧几里德距离计算时默认对每一个维度给予相同的权重,如果某一维度较之其它维度而要取值范围差别很大,结果很容易被某个维度所决定。因此,可以使用加权欧几里德距离,给不同维度赋予不同权重。欧几里德距离的计算公式为:d(x,y)=。其中表示用户X对物品i的评价,表示用户Y对物品i的评价。物品i为用户x和y共同评价的物品。
原创
2020-06-02 23:29:34 ·
47058 阅读 ·
2 评论