皮尔逊相关度评价函数

   判断两个两个坐标之间的相似度，最经典的做法就是计算计算它们的欧几里得距离。在二维坐标系里面，就是两个点之间的距离，即所有方向的差值求平方和之后，再开根号。

除了欧几里得距离，还有一些复杂度更高的方法，比如皮尔逊相关系数，它是判断两组数据与一直线拟合程度的一种度量，典型的例子在，评价系统中，两个人对于不同物品的评价系数不一样，显示在坐标系中，就是一个拟合的关系。用python实现皮尔逊相关评价函数，代码如下：

def sim_pearson(prefs,p1,p2):
    si={}
    for item in prefs[p1]:
        if item in prefs[p2]:
            si[item]=1

    # 得到列表元素的个数
    n=len(si)

    # 如果列表元素没有共同之处，则返回1
    if n==0:return 1
    # 对所有偏好求和
    sum1=sum([prefs[p1][it]for it in si])
    sum2=sum([prefs[p2][it]for it in si])
    # 求平方和
    sum1sq=sum([pow(prefs[p1][it],2)for it in si])
    sum2sq=sum([pow(prefs[p2][it],2)for it in si])
    # 求乘积和
    pSum=sum([prefs[p1][it]*prefs[p2][it]for it in si])
    # 求皮尔逊评价值
    num=pSum-(sum1*sum2/n)
    den=sqrt((sum1sq-pow(sum1,2)/n)*(sum2sq-pow(sum2,2)/n))
    if den==0:return 0
    r=num/den
    return r