根据群体偏好提供推荐

python中有保存数据集有两种类型比较常用

1.列表：由一组任意类型的值构成的有序列表，写法上使用方括号 ' [] '

eg: stuent = ['lily','peter','sam']

      student_age = [20,21,22]

2.字典：由一组名值对构成的无序集合，类似java 中的hash map 写法上使用大括号构成 ‘{}’

 eg :student_info ={'lily':20,'peter',21,'sam':22}

列表推导式：一种简洁的语法形式，可以将一个列表根据过滤转换成另一个列表，也可以利用它将函数应用于列表中的元素，形式如下：

[表达式 for 变量 in 列表]

或者：

[表达式 for 变量 in 列表 if 条件]

人与人之间的相似度评价

1.欧几里德距离:

将所有参与者都根据对比参数和评价值标注与坐标轴上，计算两者间的直线距离的平方和的根，python中使用pow(n,2)来计算

2.皮尔逊相关度

判断两组数据与某一直线的拟合程度的一种度量

举例：业务需求:根据一个用户评价电影的数据集，为某个用户推荐合适他口味的且没有观看过得电影列表

我们有两个思路：

        1.可以根据要推荐者与其他评论者的相似程度来推荐，某个评论者与需要推荐的用户越相近，那就优先推荐这个评论者的电影给用户，这就是基于用户的协作型过滤

        2.为每部影片预先计算好最为相近的其他影片，然后当我们想为某位用户提供推荐时，就可以根据他曾今评过分的影片，并选出排位靠前者，再构造出一个加权列表，其中包含了与这些选中物品最为相近的影片，尽管第一步让我们检查所有数据，但是物品间的比较不会像用户间的比较那么频繁变化，这就是基于物品的协作型过滤

那如何选择两种过滤方式呢？根据实际情况，如果采用用户协作型，对于大型网站，一位用户需要跟其他所有用户进行比较，速度是无法忍受的，其次如果销售物品数量过多，用户偏好方面彼此重叠很少，这样的相似性判断是不合理的。所以我们采取物品协作型过滤。

采用物品协作型过滤的计算过程如下

1.首先构造物品比较数据集

2.调用topMatches 方法，找出最为相近的电影集（）

3.计算电影与电影间相对距离的函数是sim_distance  ，返回值越接近1，越相似 如下

调用calculateSimilarItems函数返回的是一个包含10条电影中每一部电影与其他电影的相似度值得数据集

4.从candy看过的影片和评价中为Candy推荐影片

我们先获取candy看过的每一部影片和没有看过的影片的相似度分别乘以candy为每一部影片的评分（权重）得到candy还未看过的这部影片的相似度评价值总值，然后除以相似度和，得到预期candy会对这个未观看过的影片的平均评价值，比较所有未过看过的影片的预期评价值的数据集，按大小排列，就能得到为candy 推荐的影片列表

代码如下

最后调用代码及打印结果如下

总结：在针对大数据集生成推荐列表时，基于物品进行过滤的方式会明显比基于用户的快，但也有维护物品相似度表的额外开销，对于像电影这种密集型的数据，基于用户与基于物品的效果是一样的，但对于稀疏型，基于物品的过滤通常优于基于用户的过滤