python 复杂数据相似度计算_各种相似度计算的python实现

前言

在数据挖掘中有很多地方要计算相似度，比如聚类分析和协同过滤。计算相似度的有许多方法，其中有欧几里德距离、曼哈顿距离、Jaccard系数和皮尔逊相关度等等。我们这里把一些常用的相似度计算方法，用python进行实现以下。如果是初学者，我认为把公式先写下来，然后再写代码去实现比较好。

欧几里德距离

几个数据集之间的相似度一般是基于每对对象间的距离计算。最常用的当然是欧几里德距离，其公式为:

#-*-coding:utf-8 -*-

#计算欧几里德距离：

def euclidean(p,q):

#如果两数据集数目不同，计算两者之间都对应有的数

same = 0

for i in p:

if i in q:

same +=1

#计算欧几里德距离,并将其标准化

e = sum([(p[i] - q[i])**2 for i in range(same)])

return 1/(1+e**.5)

我们用数据集可以去算一下：

p = [1,3,2,3,4,3]

q = [1,3,4,3,2,3,4,3]

print euclidean(p,q)

得出结果是：0.261203874964

皮尔逊相关度

几个数据集中出现异常值的时候，欧几里德距离就不如皮尔逊相关度‘稳定’，它会在出现偏差时倾向于给出更好的结果。其公式为：

-*-coding:utf-8 -*-

#计算皮尔逊相关度：

def pearson(p,q):

#