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