皮尔逊相关度评价函数
来源:互联网 发布:死神人物能力数据 编辑:程序博客网 时间:2024/05/15 05:17
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
阅读全文
0 0
- 皮尔逊相关度评价函数
- 皮尔逊相关度评价
- 推荐物品算法:欧几里得距离评价&皮尔逊相关度评价
- 评价函数
- 计算相似度评价值体系:欧几里德距离和皮尔逊相关度
- 推荐系统:寻找相近的用户——皮尔逊相关度评价
- 机器学习基础(三十三)—— 皮尔逊相关度评价
- Tenengrad评价函数
- 图像清晰度评价函数
- 调整评价函数
- Zemax设置评价函数
- 粒子群算法(6)-----几个适应度评价函数
- 粒子群算法的几个适应度评价函数
- 粒子群算法(6)-----几个适应度评价函数
- 粒子群算法几个适应度评价函数
- 粒子群算法的几个适应度评价函数
- 探讨SQLServer2005的评价函数
- opencv 一种聚焦评价函数
- Android Fragment学习与使用—高级篇
- 阿里云ubuntu 安装tomcat不能访问
- SAP报表开发
- spring data jpa 使用(一)
- Swift 数组
- 皮尔逊相关度评价函数
- JAVA设计模式之单例模式
- stm32_2.GPIO的主要寄存器
- Linux ACL特殊权限之查看与开启(临时和永久)
- Palindrome HDU
- PHP Parse error: syntax error, unexpected '.'
- 深入分析 ThreadLocal 内存泄漏问题
- [门户自用]解决cms门户后台模板页面报错问题 原因,可能缺少以下表JC_DIRECTIVE_TPL
- Python 简介