Python 寻找相近的用户
今天看了一篇文章写的挺好的，所以自己总结一下，发出来大家一起学习一下
欧几里德距离（百度来的哦）：欧几里得度量（euclidean metric）（也称欧式距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离），在二维和三维空间中的欧氏距离就是两点之间的实际距离。
计算相似度评价值的一个非常简单的方法就是欧几里德距离评估法，它以经过人们一致评价的物品作为坐标轴，然后将参与评价的人绘制在图上，并考察他们彼此的距离，如下图所示
该图显示了人员的分布情况，Toby在Snakes轴上和Dupree轴上坐标值为：4.5，1.0，在图中两人距离越近，他们兴趣偏好就约相近。
为了计算图上Toby和LaSalle之间的距离，我们计算出每一轴向上得差值，穷平方后再相加，最后对总和取平方根。
在python中可以使用pow（n,2）对某数求平方，并使用sqrt函数求平方根：
>>> from math import sqrt >>> sqrt(pow(4.5-4,2)+pow(1-2,2)) 1.118033988749895
上述代码可以计算出距离值，偏好越相近的人，距离就越短。不过，我们还需要一个函数，来对偏好越相近的情况给出最大的值，为此，我们可以将函数值加1（这样避免遇到被零整除的错误），并取其倒数：
>>> 1/(1+sqrt(pow(4.5-4,2)+pow(1-2,2))) 0.4721359549995794
这个数字的值总是在0和1 之间，返回1则表示两人具有相同的爱好，下面的代码是计算相似度的函数。
from math import sqrt
#先定义一个字典，里面是用户的评价
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}
}
#本函数来计算用户相似度
def sim_distance(prefs,preson1,preson2):
#得到shared_items的列表
si = {}
for item in prefs[preson1]:
if item in prefs[preson2]:
si[item]=1
#无相似度返回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))