Python 尋找相近的用戶

今天看了一篇文章寫的挺好的，因此本身總結一下，發出來你們一塊兒學習一下

歐幾里德距離（百度來的哦）：歐幾里得度量（euclidean metric）（也稱歐式距離）是一個一般採用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的天然長度（即該點到原點的距離），在二維和三維空間中的歐氏距離就是兩點之間的實際距離。

計算類似度評價值的一個很是簡單的方法就是歐幾里德距離評估法，它以通過人們一致評價的物品做爲座標軸，而後將參與評價的人繪製在圖上，並考察他們彼此的距離，以下圖所示

該圖顯示了人員的分佈狀況，Toby在Snakes軸上和Dupree軸上座標值爲：4.5，1.0，在圖中兩人距離越近，他們興趣偏好就約相近。

爲了計算圖上Toby和LaSalle之間的距離，咱們計算出每一軸向上得差值，窮平方後再相加，最後對總和取平方根。

在python中可使用pow（n,2）對某數求平方，並使用sqrt函數求平方根：

>>> from math import sqrt
>>> sqrt(pow(4.5-4,2)+pow(1-2,2))
1.118033988749895

上述代碼能夠計算出距離值，偏好越相近的人，距離就越短。不過，咱們還須要一個函數，來對偏好越相近的狀況給出最大的值，爲此，咱們能夠將函數值加1（這樣避免遇到被零整除的錯誤），並取其倒數：

>>> 1/(1+sqrt(pow(4.5-4,2)+pow(1-2,2)))
0.4721359549995794

這個數字的值老是在0和1 之間，返回1則表示兩人具備相同的愛好，下面的代碼是計算類似度的函數。

from math import sqrt

#先定義一個字典，裏面是用戶的評價
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,'You, Me and Dupree':3.0, 'The Night Listener':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, 'Superman Returns':4.0,'The Night Listener':4.5,'You, Me and Dupree':2.5},
    'Toby': {'Snakes on a Plane':4.5, 'Superman Returns':4.0,'You, Me and Dupree':1.0}
}

#本函數來計算用戶類似度
def sim_distance(prefs,preson1,preson2):
    #獲得shared_items的列表
    si = {}
    for item in prefs[preson1]:
        if item in prefs[preson2]:
            si[item]=1
    #無類似度返回0
    if len(si) == 0: return 0
    #求平方和
    sum_of_squares = sum([pow(prefs[preson1] [item]-prefs[person2] [item],2) 
                        for itme in prefs[preson1] if item in prefs[preson2]])
    print sum_of_squares
    return 1/(1+sqrt(sum_of_squares))