基于python计算物品之间的相似度矩阵

已于 2022-01-24 16:44:03 修改
阅读量3.4k 收藏 13
点赞数
文章标签： 推荐系统 python 数据分析
于 2021-04-25 08:41:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44996650/article/details/116115933
版权
该博客介绍了如何使用Python计算物品之间的相似度矩阵。首先建立用户物品倒排表，接着构建同现矩阵，统计每个物品被评价的用户数，最后通过计算物品共现的用户数量来确定相似度。
摘要由CSDN通过智能技术生成

计算物品之间的相似度矩阵

例如现在有A、B、C、D四个用户，分别对a、b、c、d、e五个物品表达了自己喜好程度（通过评分高低来表现自己的偏好程度高低），计算物品之间的相似度矩阵
在这里插入图片描述

算法

1、建立用户物品倒排表

A a b d
B a c e
C b e
D b d e

2、构建同现矩阵

同现矩阵表示同时喜欢两个物品的用户数，根据用户物品倒排表计算出来
在这里插入图片描述

3、统计每个物品有行为的用户数

在这里插入图片描述

4、计算物品之间的相似度，得到物品之间的相似度矩阵

在这里插入图片描述

分母 是喜欢物品i的用户数；
分子 是同时喜欢物品i和物品j的用户数。

最低0.47元/天 解锁文章
tong_brickmoving
关注
  • 0
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
相似度矩阵遍历 python
jacke121的专栏
09-30 2045
相似度矩阵结果遍历 向量： tensor([[0.4284, 0.7538, 0.4982], [0.8600, 0.0694, 0.5055]], dtype=torch.float64) 相似度矩阵： 因为是笛卡尔积，结果有一半多是重复的： tensor([[1.0000, 0.6726], [0.6726, 1.0000]], dtype=torch.float64) 0 1 tensor(0.6726, dtype=torch.float64) 相似度归一...
相似度计算
wepon的专栏
12-28 1万+
相似度计算 @author：wepon @blog：http://blog.csdn.net/u012162613/article/details/42213883 《Machine Learning in Action》笔记，相似度计算，基于python+numpy。 在推荐系统中，我们需要计算两个物品的相似度，对于物品的描述，一般都可以量化为一个向量，于是两个物品之
python 求连线相似度_用python实现【ItemCF】算法
weixin_39638305的博客
11-22 339
基于物品的协同过滤算法主要思想有两步：1)计算物品之间的相似度2)根据物品的相似度和用户的历史行为给用户生成推荐列表笔者自己动手实现该算法，算法流程为：基于【用户，项目，评分】划分训练集与测试集计算每一个用户的【用户-物品】倒排表Ci所有Ci求和得到总的【用户-物品】倒排表C(Cij表示同时喜欢物品i和j的用户数，即相似度的分子部分)求相似度分母部分，得到矩阵W_(W_ij表示喜欢物品i...
分别用matlab和python计算物品相似度矩阵（Jaccard系数
微电子学与固体电子学-俞驰
05-12 1万+
用户\物品 A B C D E 101 1 1 0 0 1 102 0 1 0 1 0 103 1 1 1 1 1 104 1 1 0 1 0 105 1 1 0 0 1 106 0 ...
python权重相似度矩阵_如何在numpy python中创建相似度矩阵？
weixin_32204687的博客
02-21 978
从技术上讲,这不是一个编程问题,而是一个数学问题.但我认为你最好使用方差 – 协方差矩阵.或相关矩阵,如果值的比例非常不同,比如说,而不是：>>> xarray([[5, 3, 0],[3, 0, 5],[5, 5, 0],[1, 1, 7]])你有：>>> xarray([[5, 300, 0],[3, 0, 5],[5, 500, 0],[1, 100, 7...
基于SURF特征的计算相似度的匹配算法
06-30
本文将详细介绍基于SURF特征的计算相似度匹配算法，并探讨如何用Python实现这一过程。 首先，理解SURF特征。SURF特征是一种尺度和旋转不变的关键点描述符，它通过检测图像中亮度变化显著的区域来找到关键点。这些...
python170文本相似度计算系统.zip
最新发布
01-27
为了更好地理解和解释相似度结果，通常会使用数据可视化工具，如matplotlib、seaborn或者专门的相似度矩阵可视化库，将文本之间的相似度以图形方式展示出来。 在实际项目中，Python提供了许多库支持这些功能，如...
python基于物品协同过滤算法实现代码
09-20
这主要是因为算法需要构建一个大型的相似度矩阵，其计算复杂度和存储需求随着物品数量的增加而急剧上升。为了解决这一问题，代码的后期可以考虑使用更高效的算法，如采用近似最近邻搜索（如LSH、kd树等）来降低计算...
cos.zip_-baijiahao_python 实现计算余弦相似度_text similarity_travel5we_相似
07-15
这个“cos.zip_-baijiahao_python 实现计算余弦相似度_text similarity_travel5we_相似”文件包显然是一个Python实现的工具，用于计算文本之间的余弦相似度，特别是与旅行相关的文本数据，比如“travel5we”。...
Python 余弦相似度与皮尔逊相关系数 计算实例
09-18
在Python中计算余弦相似度有两种方法。第一种是根据公式直接计算，使用NumPy库中的dot函数来求得点积，linalg.norm函数来求得模长。第二种方法是利用scipy库中的pdist函数，使用'cosine'作为距离度量来计算。 ...
产品相似度计算
01-14
这使用matlab做的关于产品方案和客户需求相似度计算的程序，自己第一次做的，请多多指教。
python快速两两元素求相似矩阵
weixin_46713695的博客
08-15 891
python快速两两元素求相似矩阵
推荐系统中物品相似度计算
tumantou2hao的博客
03-21 7220
原文地址：https://www.cnblogs.com/bjwu/p/9448043.html 这次介绍Item(User)相似度的计算方法，其广泛运用于基于邻域的协同过滤算法的推荐系统。简而言之，基于邻域，就是基于相邻的元素进行推荐，而相邻元素的得到过程就是相似度的计算过程。 对于空间上的点来说：传统机器学习模型中KNN的距离度量方法（如欧式距离等），距离越近的点我们把他们归为一类，也可以说他...
【Python进阶】Python计算consine相似性矩阵
sxl的博客
12-16 797
python计算相似矩阵
Chapter 2 End to End Machine Learning Project学习笔记
花间一壶酒的博客
10-23 229
Chapter 2 End to End Machine Learning Project 对于类别特征使用OrdinalEncoder，ML算法会认为离得近的数字特征比离得远的数字特征相似。所以推荐OneHotEncoder。 If a categorical attribute has a large number of possible categories (e.g., country code, profession, species, etc.), then one-hot encod‐
协同过滤算法学习笔记与相似度矩阵Python实现
qq_33793792的博客
09-30 2037
方法： 基于邻域的算法、隐语义模型、基于图的随机游走算法等。 基于邻域算法应用最广泛 分为：基于用户的协同过滤算法、基于物品的协同过滤算法。 基于用户的协同过滤算法： 定义：给用户推荐和他兴趣相似的其他用户喜欢的物品 ...
实际应用中常用的相似度计算方法详解--图解--通俗易解
Western_europe
11-02 1465
相似度计算总结 + 图解 在数据分析和数据挖掘以及搜索引擎中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。常见的比如数据分析中比如相关分析，数据挖掘中的分类聚类（K-Means等）算法，搜索引擎进行物品推荐时。 相似度就是比较两个事物的相似性。一般通过计算事物的特征之间的距离，如果距离小，那么相似度大；**如果距离大，那么相似度小。**比如两种水果，将从颜色，大小，维生素含量等特征进行比较相似性。 问题定义：有两个对象X,Y,都包含N维特征，X=(x1,x2,x3,………,xn),Y=(y
常用的相似度计算方法原理及实现
热门推荐
张齐贤的博客
04-01 2万+
在数据分析和数据挖掘以及搜索引擎中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。常见的比如数据分析中比如相关分析，数据挖掘中的分类聚类（K-Means等）算法，搜索引擎进行物品推荐时。相似度就是比较两个事物的相似性。一般通过计算事物的特征之间的距离，如果距离小，那么相似度大；如果距离大，那么相似度小。比如两种水果，将从颜色，大小，维生素含量等特征进行比较相似性。问题定义：有两个...
python计算相似矩阵
zhaohaibo的博客
06-08 1万+
模糊数学课上完之后对使用python中的sklearn计算矩阵各个元素的相似度有了一些感悟。 首先需要强调的是python中对于矩阵的计算尽量不要在DataFrame中，效率非常低。应该使用numpy。 1 预处理 常用1:MinMaxScaler from sklearn.preprocessing import StandardScaler from sklearn.prepr...
python计算矩阵余弦相似度
05-20
计算矩阵余弦相似度的公式为: $$ similarity(A,B)=\frac{A \cdot B}{||A|| \cdot ||B||} $$ 其中，$A$和$B$为两个向量，$||A||$和$||B||$分别为两个向量的模长。对于矩阵，我们可以将每一行看作一个向量，然后计算每一对行向量之间的余弦相似度，得到一个相似度矩阵。 在Python中，可以使用numpy库来进行矩阵计算。以下是一个示例代码： ```python import numpy as np # 计算矩阵余弦相似度 def cosine_similarity(matrix): # 计算每一行的模长 row_norm = np.linalg.norm(matrix, axis=1) # 将每一行除以其模长，使其变成单位向量 norm_matrix = matrix / row_norm[:, np.newaxis] # 计算相似度矩阵 similarity_matrix = np.dot(norm_matrix, norm_matrix.T) return similarity_matrix # 示例 matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) similarity_matrix = cosine_similarity(matrix) print(similarity_matrix) ``` 输出结果为： ``` [[1. 0.97463185 0.96476494] [0.97463185 1. 0.99846035] [0.96476494 0.99846035 1. ]] ```
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

tong_brickmoving

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值