相似度算法之皮尔逊相关系数

皮尔逊相关系数是比欧几里德距离更加复杂的可以判断人们兴趣的相似度的一种方法。该相关系数是判断两组数据与某一直线拟合程序的一种试题。它在数据不是很规范的时候，会倾向于给出更好的结果。

 

如图，Mick Lasalle为<<Superman>>评了3分，而GeneSeyour则评了5分，所以该影片被定位中图中的(3,5)处。在图中还可以看到一条直线。其绘制原则是尽可能地靠近图上的所有坐标点，被称为最佳拟合线。如果两位评论者对所有影片的评分情况都相同，那么这条直线将成为对角线，并且会与图上所有的坐标点都相交，从而得到一个结果为1的理想相关度评价。

 

假设有两个变量X（x1,x2,x3,……）、Y（y1,y2,y3,……），那么两变量间的皮尔逊相关系数可通过以下公式计算：

公式一：

 

皮尔逊相关系数计算公式

公式二：