推荐系统

ml

---

协调过滤

数据密集表示时

$$\text{明式距离: }d(x,y)=(\sum^n_{k=1}|x_k-y_k|^r)^{\frac1r}$$

• r=1 时为曼哈顿距离
• r=2 时为欧式距离
• r=∞ 时为上确界距离

$$|x_1-y_1|+|x_2-y_2|$$

$$\sqrt{(x_1-y_1)^2+(x_2-y_2)^2}$$

直观对比可以看得出r越大某一维上面的距离差异对最终结果的影响也就越大。

分数贬值

$$\text{相关系数： }\rho_{X,Y}=\frac{Cov[X,Y]}{\rho_X\rho_Y}$$
当x,y成线性相关时取值为1或-1，线性不相关则为0。

---

推荐系统本质与网易严选实践
用 Python 实现一个简单的基于内容的推荐引擎
在Python中实现你自己的推荐系统
广告和推荐系统部署机器学习模型的两种架构
常用推荐算法（50页干货）

---