协同过滤（概念、相似度计算方法+例题）

前前排先说一下：写完的东西一定记得保存！要不网页一关就啥都没了💔💔💔

---

---

协同过滤是一种推荐算法，它和传统的内容过滤不同；传统过滤方法可能会存在误差（比如把用户感兴趣的内容滤掉或者推荐给用户不喜欢的内容）。

协同过滤不仅通过分析用户的喜好（点击量、浏览页面），还可以扩大范围网，通过计算与该用户喜好相同的用户所喜欢的内容，通过后台计算，并把结果反馈给用户。

协同过滤的优点之一是它甚至可以代替用户直接给系统做出反馈，使操作更加智能化。

其中，协同过滤算法主要分为基于启发式和基于模型式两种。

而基于启发式的协同过滤算法，又可以分为基于用户的协同过滤算法和基于项目的协同过滤算法，这里主要讲基于用户的协同过滤算法

---

基于用户的协同过滤

因为这种计算总是和“邻居”相关，所以它又叫基于邻居的协同过滤。

1.1 方法步骤：

① 搜集用户信息，列出相关表格/矩阵。
② 按要求查找候选邻居，计算相似度。
③ 计算预测分值。

光看这三个步骤，估计也看不太明白，下边来细说一下。

第一条就不多说了，就是简单的信息搜查和信息规整，记得表格做的美观简明就ok。

第二条，候选邻居应该可以通过题目要求找到。（通俗的讲就是和你要预测的这个商品相关的用户，假设想预测你对商品A的期待值，