用户相似度的算法

最近在研究推荐系统的相关知识，了解到了几个相似度的算法。

欧式距离

import numpy as np

from numpy import linalg as la

def euclidSimilar(inA, inB):

    return 1.0/(1.0+la.norm(inA-inB))
    

皮尔逊相关系数

import numpy as np

from numpy import linalg as la

def pearsonSimilar(inA, inB):

    if len(inA) < 3:
    
        return 1.0
        
    return 0.5+0.5*np.corrcoef(inA,inB,rowvar=0)[0][1]
    

余弦相似度

import numpy as np

from numpy import linalg as la

def cosSimilar(inA, inB):

    inA=np.mat(inA)
    
    inB=np.mat(inB)
    
    num=float(inA*inB.T)
    
    denom=la.norm(inA)*la.norm(inB)
    
    return 0.5+0.5*(num/denom)