協同過濾中用戶距離計算

# 構建共同的評分向量
def build_xy(user_id1, user_id2):
    bool_array = df.loc[user_id1].notnull() & df.loc[user_id2].notnull()
    return df.loc[user_id1, bool_array], df.loc[user_id2, bool_array]

# 歐幾裏德距離
def euclidean(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    try:
        value 
 
= sum((x - y)**2)**0.5
    except ZeroDivisionError:
        value = 0
    return value


# 余弦相似度
def cosine(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    # 分母
    denominator = (sum(x*x)*sum(y*y))**0.5
    try:
        value = sum(x*y)/denominator
    except ZeroDivisionError:
        value 
 
= 0
    return value


# 皮爾遜相關系數
def pearson(user_id1, user_id2):
    x, y = build_xy(user_id1, user_id2)
    mean1, mean2 = x.mean(), y.mean()
    # 分母
    denominator = (sum((x-mean1)**2)*sum((y-mean2)**2))**0.5
    try:
        value = sum((x - mean1) * (y - mean2)) / denominator
    except ZeroDivisionError:
        value 
 
= 0
    return value

# 1.如果數據密集（所有數據幾乎都有屬性值，屬性值量級重要），就用歐幾裏德算法
# 2.數據受級別膨脹影響（不同的用戶使用不同的評分標準），就用皮爾遜相關系數算法
# 3.數據稀疏性強，就考慮用夾角余弦相似度算法

用戶相似度計算