摘要：
书接上文推荐学习笔记-协同过滤显式数据： 用户的评分，like or unlike等隐式数据： 用户点击，购买记录，在某个页面停留时间，播放次数等调整的余弦相似度：，对于用户每个评分都要减去该用户平均评分作为他的最终评分，然后计算相似度Slope One:解释是一个物品别人的评分比另一个物品高，那给你的预测也是如此。分两步：第一步，算出所有物品两两之间的偏差(deviation)。 第二步，做出预测，比如你评分A为3分，而B物品评分比A高一分，所以预测你对B物品的评分是4分。第一步计算的公式是用户对j物品的评分减去i物品的评分之和 除以对这两物品评分的用户总数。card(Sj,i(X)) 是同 阅读全文
