提供推荐 | 广阔天地，大有作为

[laiqun]

https://laiqun.github.io/2017/11/05/Marking-Recommendations/

[SofiaxCh]

比课本讲的好不过，协方差是怎么求来着完全忘记了：（

[laiqun]

@SofiaxCh 那你看了这篇文章，记起来没有？

[SofiaxCh]

HHHa 你那段解释写的很好，我就记住了向量标准化再cos的公式，可以嘛？要用的时候应该调Numpy库就可以啦

[laiqun]

皮尔逊相似度，就是概率论的相关系数。皮尔逊是个人名，这个相关系数的公式是他发明的。也就是向量标准化再求余弦。两个是一样的。学会一个就会另一个。

from numpy import *
vc=[1,2,39,0,8]
vb=[1,2,38,0,8]
mean(multiply((vc-mean(vc)),(vb-mean(vb))))/(std(vb)*std(vc))
#0.999986231331    
#numpy.corrcoef得到相关系数矩阵（向量的相似程度）
numpy.corrcoef(vc,vb)
#[[ 1.          0.99998623]   
# [ 0.99998623  1.        ]]
# 这里得到是相关系数矩阵
#左上角的[0][0]代表第一行和第一行的相关系数，[0][1]代表第一行和第二行的相关系数
#左下角的[1][0]代表第二行和第一行的相关系数，[1][1]代表第二行和第二行的相关系数

[SofiaxCh]

李教授写的好细致哦，这次马马虎虎看懂了，那个，标准差公式是不是掉了一个平方呀？

[laiqun]

@SofiaxCh 还真是这样子呐！能发现错误，很棒！

[laiqun]

算物品与物品的相似度，还可以给用户提供相似推荐