推薦系統(tǒng)基礎(chǔ)知識概覽圖
在進行推薦系統(tǒng)構(gòu)建時，我們主要分為四大步：1.基于數(shù)據(jù)源獲取數(shù)據(jù) 2.對數(shù)據(jù)進行預處理操作 3.通過相關(guān)模型對數(shù)據(jù)進行分析 4.對分析過后的結(jié)果進行轉(zhuǎn)化解釋
RS預處理經(jīng)常用到的方法介紹
相似度度量方式
相似度度量方式其實就是我們經(jīng)常說到的距離公式，如歐式距離钱磅，皮爾遜距離等梦裂。在使用聚類算法、回歸算法和分類算法中會經(jīng)常用到续搀，如KNN塞琼，KMeans模型。下面將介紹比較經(jīng)常使用的距離公式(又稱相似度度量方式)：
The Minkowski Distance
x,y 分別為不同的數(shù)據(jù)記錄禁舷，形式為一個向量彪杉。k代表向量中的第幾個特征，n為向量總特征的總數(shù)牵咙，r代表我們要使用用來計算距離的維度派近。當r=1時，distance為L1或被稱為Manhattan Distance洁桌；當r=2時渴丸，distance為L2或被稱為Euclidean Distance；以此類推另凌，當r=n時谱轨，及Ln。
在使用該距離方法時吠谢，往往會因為不同特征的不同區(qū)間而導致兩個特征的距離衡量不合理土童，因此在使用該距離方法時，會先將數(shù)據(jù)進行標準化工坊，使維度變?yōu)槌叨葻o關(guān)的献汗。但某兩個維度可能在高維度中存在線性相關(guān)的關(guān)系。
The Mahalanobis distance(馬氏距離)
馬氏距離就是考慮到了在高維度中可能存在線性相關(guān)的關(guān)系問題王污。馬氏距離會將坐標軸進行拉伸罢吃，從而使各個特征都線性無關(guān)，再進行歸一化昭齐。我們也可以理解為先對數(shù)據(jù)進行主成分分析尿招，然后再對數(shù)據(jù)進行歸一化操作。
Cosine Similarity
余弦相似度也就是通過計算x和y向量的夾角司浪。兩個向量夾角越大說明相似性越低泊业，反之夾角越小相似度越高。余弦相似度公式最重要的地方是在分子部分的點乘運算啊易，分母相當于對向量進行了歸一化操作吁伺，不過計算余弦相似度最好先進行零均值化，效果往往會更出色租谈。
Pearson Correlation?
Given the covariance of data points x and y Σ, and their standard deviation σ
皮爾森相關(guān)系數(shù)描述的是兩條記錄的線性相關(guān)性篮奄。若值大于0捆愁，則正相關(guān)；小于0窟却，負相關(guān)昼丑；等于零，無線性相關(guān)性夸赫；等于1或-1菩帝，說明落在直線上。其取值范圍在[-1, 1]之間
References
1.Recommender Systems Handbook p39-p48
