摘要：
一、余弦相似度： 余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性" 二维向量的余弦相似度： 多维向量的余弦相似度（类比） 协同过滤(Collaborative Filtering, 简称 CF)： 收集用户行为 减噪与归一化处理 二、基于物品的协同过滤推荐算法(ite 阅读全文
摘要：
一、欧几里得距离 用来记录两个向量之间的距离。 欧氏距离越小，两个用户相似度就越大， 欧氏距离越大，两个用户相似度就越小。 二维空间的公式： 其中， 为点 与点 之间的欧氏距离； 为点 到原点的欧氏距离。 三维空间的公式： n维空间的公式： 二、闵可夫斯基距离 当p=1时，即为曼哈顿距离； 当p=2 阅读全文