推荐系统之协同过滤collaborative filtering

最新推荐文章于 2023-06-04 10:05:45 发布

爱写bug的小程序

最新推荐文章于 2023-06-04 10:05:45 发布

阅读量432

点赞数

分类专栏：学习笔记文章标签：推荐系统协同过滤皮尔森相关系数余弦相似度

本文链接：https://blog.csdn.net/weixin_51032998/article/details/122028331

版权

学习笔记专栏收录该内容

4 篇文章 0 订阅

订阅专栏

相似度Similar

计算相似度

根据相似度做预测

相似度Similar

皮尔森相关系数Person correlation coefficient：实际上也是一种余弦相似度，不过先对向量做了中心化，向量X和 Y 各自减去向量的均值后，再计算余弦相似度。 $r_{xy}=\frac{\sum_{i=1}^{n} (x_{i}-\bar{x})(y_{i}-\bar{y})} {\sqrt{{\sum_{i=1}^{n} (x_{i}-\bar{x})^{2}}} \sqrt{{\sum_{i=1}^{n} (y_{i}-\bar{y})^{2}}}}$
余弦相似度：度量两个向量之间的夹角，用夹角的余弦值来表示相似度。
夹角余弦值相关性
[0,90) (0,1] 正相关
90 0 不相关
(90,180] [-1,0) 负相关

计算相似度

player\games	game1	game2	game3	game4	game5	game6	game7
A	10	2	9	8	null	null	8
B	10	4	null	2	6	8	10
C	8	null	6	10	3	null	4
D	null	null	4	8	null	10	10
E	6	8	null	null	null	10	8
F	10	4	4	？	？	？	6

求F和A的皮尔森相关系数

step1：求均值（只计算共同项）： $\bar{F}=\frac{10+4+4+6}{4}=6$ $\bar{A}=\frac{10+2+9+8}{4}=7.25$

step2：求r： $r_{FA}=\frac{(10-6)(10-7.25)+(4-6)(2-7.25)+(4-6)(9-7.25)+(6-6)(8-7.25))} {\sqrt{{4^{2}+2^{2}+2^{2}+0^{2}}}\sqrt{{2.75^{2}+5.25^{2}+1.75^{2}+0.75^{2}}}}=\frac{18}{\sqrt{930}}=0.59$