推荐系统相关
相似度计算中的距离
其中皮尔逊相关系数，是x与y的协方差与x与y的标准差之积的比值。协方差表示的是x与y的相关性 取值在[-1,1]之间
基于用户的协同过滤
将购买比较相似的其他用户买过的商品 推荐给用户
基于用户的协同过滤存在的问题：
- 新用户 并没有购买习惯相似的小伙伴
- 一个不错的商品 但是没有人买 那么永远得不到推荐
3.评分矩阵比较稀疏
基于用户的协同过滤不流行原因
基于物品的协同过滤
基于物品的协同过滤主要优势：
冷启动问题
无论基于用户还是基于物品，对于一个新用户或者一个新物品 都是没有小果伴的
隐语义模型
将协同过滤中的UI矩阵，变化下 加了隐含银子
隐语义模型与协同过滤的对比
- 在协同过滤中 矩阵比较稀疏 而在隐语义中 P与Q不那么稀疏
- 隐语义通过隐藏因子F 将矩阵空间变小
推荐系统中的衡量指标
在推荐系统中 准确率不是说推荐的准不准而是一个分数
覆盖率：希望推荐的范伟比较广
