集体智慧编程（一）

集体智慧(collective intelligence)编程

第一章 集体智慧导言

总而言之，集体智慧指为了创造新的想法，而将一群人的行为、偏好或思想组合在一起，而个体成员将被忽略。

第二章 提供推荐

如amazon的购物推荐系统。

Collaborative filtering协同过滤：对一大群人进行搜索，从中找出与我们品味相似的一小群人。协同过滤始于David Goldberg 1992年的论文

《Using collaborative filtering to weave an information tapestry》

相似度评价体系：

   1. 欧几里德距离：sim_distance  = sqrt(∑(x1_i – x2_i)²)

      偏好越相似，距离越短。相似度可以用 1 / (1 + sim_distance)表示

   2. 皮尔逊相关度：

    判断两组数据与某一直线的拟合程度。解决了夸大分值（grade inflation）的情况，即用户1倾向与比用户2给更高的分值，但分值之差保持一致。（公式没推导出来，书中P13。是类似linear regression中cost function么？书中直接给出了结果）

   两种度量的空间含义不一样。欧几里德距离的x和y轴分别代表一个产品（当然还可已有更多维），如（3，5）表示一个人对x轴产品打分3，对y轴产品打分为5；而皮尔逊相关度x和y轴分别代表2个人，空间内会有很多点，对于点（3，5），则代表对于指定的点，也就是一个指定的产品，x轴代表的用户评分为3，y轴代表的用户评分为5。