matlab实现协同过滤之pdist、squareform

实现协同过滤算法的第一步是：计算用户或项目之间的相似度。接下来介绍pdist和squareform

用法：

D = pdist(X)

D = pdist(X,distance)

 

D = pdist(X)计算 X 中各对行向量的相互距离(X是一个m-by-n的矩阵). 这里 D 要特别注意，D 是一个长为m(m–1)/2的行向量.可以这样理解 D 的生成：首先生成一个 X 的距离方阵，由于该方阵是对称的，且对角线上的元素为0，所以取此方阵的下三角元素，按照Matlab中矩阵的按列存储原则，此下三角各元素的索引排列即为(2,1), (3,1), ..., (m,1), (3,2), ..., (m,2), ..., (m,m–1).

 

D = pdist(X,distance) 使用指定的距离.distance可以取下面圆括号中的值.在该算法中用到以下三种距离：

夹角余弦距离Cosine distance('cosine')

改进夹角余弦距离Adjust Cosine distance('adjustedcosine')

相关距离Correlation distance('correlation')

 

接下来命令 squareform(D) 将此行向量转换为原距离方阵.(squareform函数是专门干这事的，其逆变换是也是squareform。)

 

 

 

 

 

 

pdist其他距离参数：

欧几里德距离Euclidean distance('euclidean')

 

标准欧几里德距离Standardized Euclidean distance('seuclidean')

 

马哈拉诺比斯距离Mahalanobis distance('mahalanobis')

 

曼哈顿距离(城市区块距离)City block metric('cityblock')

 

闵可夫斯基距离Minkowski metric('minkowski')

 

切比雪夫距离Chebychev distance('chebychev')

 

夹角余弦距离Cosine distance('cosine')

 

改进夹角余弦距离Adjust Cosine distance('adjustedcosine')

 

相关距离Correlation distance('correlation')

 

汉明距离Hamming distance('hamming')

 

杰卡德距离Jaccard distance('jaccard')

转载于:https://www.cnblogs.com/girl-he/p/5220940.html