协同过滤相似度计算方法--欧几里德相似度，皮尔逊相似度，余弦相似度

一，欧几里德相似度（Euclidean Distance）

欧几里德距离
假设想，x，y是n维空间的两点，他们之间欧几里德的距离公式如下：
$$d(x,y)=\sqrt{(x_i-y_i{)}^2}$$
我们可以看出当n = 2时，欧几里德距离就是平面上两点之间的距离
欧几里德相似度计算公式如下：
$$sim(x,y)=\frac{1}{1+d(x,y)}$$

---

二，皮尔森相似度（Pearson Correlation Coefficient）

皮尔森相关系数，一把用于计算两个定距变量之间联系的紧密程度，他们的取值在[-1,+1]之间。
皮尔森相关系数计算公式如下：

以上公式等价，其中E()代表数学期望，cov代表协方差，N表示变量取值的个数。

---

余弦（cosine）相似度

余弦相似度的计算公式为：
$$sim(X,Y)=cos\theta =\frac{\vec{x}\vec{y}}{||x||\cdot ||y||}=\frac{{\sum }_{i=1}^n{x}_i{y}_i}{\sqrt{{\sum }_{i=1}^n(x_i{)}^2}\sqrt{{\sum }_{i=1}^n(y_i{)}^2}}$$

---