集体智慧编程_曼哈顿距离实现

算法原理：

想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源， 曼哈顿距离也称为城市街区距离(City Block distance)。

(1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离

 

(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的曼哈顿距离

 

________________________________________________________________________

* 分隔符 *  * 分隔符 *  * 分隔符 *  * 分隔符 *  * 分隔符 *  * 分隔符 *  * 分隔符 *  * 分隔符 *  

只统计有相同评分项目

def sim_manhattan(prefs,person1,person2):
  si={}
  for item in prefs[person1]: 
    if item in prefs[person2]: 
      si[item]=abs(prefs[person1][item]-prefs[person2][item])


  sum1=sum([si[it] for it in si])
  return 1/float(sum1)

输出:

>>> recommendations.topMatches(recommendations.critics,'Lisa Rose',n=6,similarity=recommendations.sim_manhattan);
[(0.6666666666666666, 'Michael Phillips'), (0.5, 'Claudia Puig'), (0.3333333333333333, 'Toby'), (0.3333333333333333, 'Mick LaSalle'), (0.2857142857142857, 'Jack Matthews'), (0.2222222222222222, 'Gene Seymour')]

缺失项评分用0填充

def sim_manhattan1(prefs,person1,person2):
  si={}
  for item in prefs[person1]: 
    if item in prefs[person2]: 
      si[item]=abs(prefs[person1][item]-prefs[person2][item])
    else:
      si[item]=prefs[person1][item]

  for item in prefs[person2]: 
    if item not in prefs[person1]: 
      si[item]=prefs[person2][item]

  sum1=sum([si[it] for it in si])
  return 1/float(sum1)

输出：

>>> recommendations.topMatches(recommendations.critics,'Lisa Rose',n=6,similarity=recommendations.sim_manhattan);
[(0.3333333333333333, 'Mick LaSalle'), (0.2222222222222222, 'Gene Seymour'), (0.2222222222222222, 'Claudia Puig'), (0.15384615384615385, 'Jack Matthews'), (0.14285714285714285, 'Michael Phillips'), (0.08695652173913043, 'Toby')]