皮爾遜相關(guān)度評(píng)價(jià)算法

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,'The Night Listener':3.0,

'You,,Me and Dupree':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,

'The Night Listener':4.5,'Superman Returns':4.0,'You,Me and Dupree':2.5},

'Mich Lasalle':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,

'Just My Luck':2.0,'Superman Returns':3.0,'The Night Listene ':3.0,

'You,Me and Dupree':2.0},

'Jack Mattews':{'Lady in the Water':3.0,'Snakes on a Plane':4.0,

'The Night Listene ':3.0,'Superman Returns':5.0,'You,Me and Dupree':3.5},

'Toby':{'Snakes on a Plane':4.5,'You,Me and Dupree':1.0,'Superman Returns':4.0}}

from math import sqrt

#返回一個(gè)有關(guān)person1與person2的基于距離的相似度評(píng)價(jià)

def sim_distance(prefs,person1,person2):

#得到shared_items的列表

si={}

for item in prefs[person1]:

if item in prefs[person2]:

si[item]=1

#如果兩者沒有共同之處剖张,則返回0

if len(si)==0:return 0

#計(jì)算所有差值的平方和

sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2)

for item in prefs[person1] if item in prefs[person2]])

return 1/(1+sqrt(sum_of_squares))

#返回p1和p2的皮爾遜相關(guān)系數(shù)

def sim_pearson(prefs,p1,p2):

#得到雙方都曾評(píng)價(jià)過得物品列表

si={}

for item in prefs[p1]:

if item in prefs[p2]:si[item]=1

#得到列表元素的個(gè)數(shù)

n=len(si)

#如果兩者都沒有共同之處,則返回1

if n==0:return 1

#對(duì)所有偏好求和

sum1=sum([prefs[p1][it] for it in si])

sum2=sum([prefs[p2][it] for it in si])

#求平方和

sum1Sq=sum([pow(prefs[p1][it],2) for it in si])

sum2Sq=sum([pow(prefs[p2][it],2) for it in si])

#求乘積之和

pSum=sum([prefs[p1][it]*prefs[p2][it] for it in si])

#計(jì)算皮爾遜評(píng)價(jià)值

num=pSum-(sum1*sum2/n)

den=sqrt((sum1Sq-pow(sum1,2)/n)*(sum2Sq-pow(sum2,2)/n)

if ?den == 0 : return 0

r=num/den

return r


運(yùn)行時(shí)總是出現(xiàn)invalid syntax錯(cuò)誤,錯(cuò)誤位置為最后 if den==0 : return 0中的冒號(hào)位置上蹦渣,怎么都找不出原因來,如果有會(huì)的大神求指教

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市涂屁,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌帖族,老刑警劉巖竖般,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件捻激,死亡現(xiàn)場(chǎng)離奇詭異前计,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門宛渐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來眯搭,“玉大人寇蚊,你說我怎么就攤上這事允耿。” “怎么了扒怖?”我有些...
    開封第一講書人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵掂墓,是天一觀的道長(zhǎng)吃嘿。 經(jīng)常有香客問我梦重,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任短荐,我火速辦了婚禮讶踪,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘柱查。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開白布谣膳。 她就那樣靜靜地躺著,像睡著了一般挚赊。 火紅的嫁衣襯著肌膚如雪宠漩。 梳的紋絲不亂的頭發(fā)上魁索,一...
    開封第一講書人閱讀 49,816評(píng)論 1 290
  • 那天抖僵,我揣著相機(jī)與錄音,去河邊找鬼找筝。 笑死,一個(gè)胖子當(dāng)著我的面吹牛灾锯,可吹牛的內(nèi)容都是我干的赦肋。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼顺呕,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼技羔!你這毒婦竟也來了僵闯?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后簇抵,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體贩绕,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡火的,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了丧叽。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片卫玖。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖踊淳,靈堂內(nèi)的尸體忽然破棺而出假瞬,到底是詐尸還是另有隱情,我是刑警寧澤迂尝,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布脱茉,位于F島的核電站,受9級(jí)特大地震影響垄开,放射性物質(zhì)發(fā)生泄漏琴许。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一溉躲、第九天 我趴在偏房一處隱蔽的房頂上張望榜田。 院中可真熱鬧,春花似錦锻梳、人聲如沸箭券。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)辩块。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間废亭,已是汗流浹背国章。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留豆村,地道東北人液兽。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像你画,于是被迫代替她去往敵國(guó)和親抵碟。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • 撒謊分三種: (1)撒謊是為了逃避懲罰而撒謊坏匪,稱防御性撒謊拟逮。 (2)撒謊是為了獲得利益,快樂适滓,甚至某種特權(quán)敦迄,稱獲益...
    善默勤容閱讀 249評(píng)論 0 0
  • 俗話說罚屋,攝影是用光的藝術(shù)。但是這句話的調(diào)太高了嗅绸,需要很深的攝影道行才能理解才能展現(xiàn)“光”的藝術(shù)脾猛。不過我也嘗試用手機(jī)...
    不許瞎搞閱讀 917評(píng)論 4 7
  • 蟬聲鳴鳴 烈夏炎炎 雨后洼洼 花果蔥蔥 行人慌慌 爭(zhēng)相鏘鏘 不知何何 笑臉盈盈
    千步夢(mèng)尋閱讀 323評(píng)論 2 3
  • 健身小知識(shí)2017/3/15 今晚練什么,胸鱼鸠? “今晚練什么”應(yīng)該是健身房打照面問的最多的一句了猛拴,因?yàn)榇蟛糠秩耸褂?..
    wuli哥哥閱讀 152評(píng)論 0 1