读书笔记（一）——《集体智慧编程》

最新推荐文章于 2022-12-21 10:03:29 发布

原创最新推荐文章于 2022-12-21 10:03:29 发布 · 246 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

集体智慧编程专栏收录该内容

0 篇文章

订阅专栏

本文介绍了一种基于电影评分数据集的方法，用于寻找具有相似兴趣的用户。通过使用欧几里德距离和皮尔逊相关度两种算法，可以量化用户之间的评分相似性，帮助推荐系统更准确地匹配用户偏好。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集：

critics = {'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5,
'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5,
'The Night Listener': 3.0},
'Gene Seymour': {'Lady in the Water': 3.0, 'Snakes on a Plane':3.5,
'Just My Luck': 1.5, 'Superman Returns': 5.0, 'The Night Listener': 3.0,
'You, Me and Dupree': 3.5},
'Michael Phillips': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.0,
'Superman Returns': 3.5, 'The Night Listener': 4.0},
'Claudia Puig': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0,
'The Night Listener': 4.5, ' Superman Returns': 4.0,
'You, Me and Dupree': 2.5},
'Mick LaSalle': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0,
'Just My Luck': 2.0, 'Superman Returns': 3.0, 'The Night Listener': 3.0,
'You, Me and Dupree': 2.0},
'Jack Matthews':{'Lady in the Water':3.0,'Snakes on Plane':4.0,
'The Night Listener': 3.0,'Superman Returns':5.0,'You, Me and Dupree':3.5},
'Toby': {'Snakes on a Plane': 4.5, 'You, Me and Dupree': 1.0, 'Superman Returns': 4.0}}

目标：根据数据集查找爱好相同的人

方法一：欧几里德距离评价

多为空间中点的距离进行评价
距离越小，评价越相似

def sim_distance(prefs,person1,person2):
    si={}
    for item in prefs[person1]:
        if item in prefs[person2]:
            si[item]=1
    if len(si)==0: return 0

    sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2)
                           for item in prefs[person1] if item in prefs[person2]])
    return 1/(1+sqrt(sum_of_squares))

优点：简单直接
缺点：无法识别因评价水平不同，导致的相同趋势的相似评价

方法二：皮尔逊相关度评价

对不规范（normalized）数据评测（例如影评者对影片评价偏差过大），有更好的结果
例：对于Lisa Rosa 和Jack Matthews的，评分直线，相对拟合（刚开始写博客不会画图，LaTeX没学好。。）
计算方法：先计算两者评分总和、平方和，并求得评分乘积之和。最后利用这些计算结果计算出皮尔逊相关系数

def sim_pearson(prefs,p1,p2):
    si={}
    for item in prefs[p1]:
        if item in prefs[p2]: si[item]=1

    n=len(si)

    if n==0: return 1

    sum1=sum([prefs[p1][it] for it in si])
    sum2=sum([prefs[p2][it] for it in si])

    sum1Sq=sum([pow(prefs[p1][it], 2) for it in si])
    sum2Sq=sum([pow(prefs[p2][it], 2) for it in si])

    pSum=sum([prefs[p1][it]*prefs[p2][it] for it in si])

    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