推荐系统-协同过滤-相似度计算 余弦相似度 余弦相似度(Cosine Similarity):衡量了两个用户向量之间的向量夹角大小;夹角越小,证明余弦相似度越大,两个用户也就越相似。
这里的A,B指的就是用户的向量; 举例:
如图:是四个用户对于四个物品的购买记录; 我们计算User_A跟User_B的相似度约等于0.408; Python Demo: 皮尔逊相关系数 相比余弦相似度,皮尔逊相关系数通过使用用户平均分对各独立评分进行修正,减小了评分偏置的影响。(评分偏置:例如两个用户,爱好一致,但是甲对所有物品的评分偏低,而乙对所有物品的评分偏高) 公式
举例:
如图:为四个用户对四个商品的历史评分; 根据公式计算User_A跟User_B的相似度约等于0.8868; Python Demo:
2024最新激活全家桶教程,稳定运行到2099年,请移步至置顶文章:https://sigusoft.com/99576.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处:https://sigusoft.com/28881.html