14_利用SVD简化数据.md

利用SVD简化数据

矩阵分解

推荐系统

相似度计算

1. 欧式距离法

   def euclidSim(inA,inB):
       '''
       欧式距离法
       '''
       return 1.0/(1.0+la.norm(inA-inB))

2. 皮尔逊相关系数

   def pearsSim(inA,inB):
       '''
       皮尔逊相关系数
       '''
       if len(inA)<3:
           return 1.0
       return 0.5+0.5*corrcoef(inA,inB,rowvar=0)[0][1]

3. 余弦相似度

   def cosSim(inA,inB):
       '''
       余弦相似度
       '''
       num=float(inA.T*inB)
       denom=la.norm(inA)*la.norm(inB)
       return 0.5+0.5*(num/denom)

项目实战

餐馆菜肴推荐引擎

基于SVD的图像压缩