《Dataminingguide》书阅读，第二章 推荐系统入门
1、 曼哈顿距离
最简单的距离计算方式。在二维计算模型中，每个人都可以用（X，Y）的点来表示。例如（X1，Y1）来表示艾米，（X2，Y2）来表示另一位人，那么他们之间的曼哈顿距离就是：
|X1-X2|+|Y1-Y2|
也就是x之差的绝对值加上y之差的绝对值。
曼哈顿距离的优点之一就是计算速度快，对于Facebook这样需要计算百万用户之间的相似度时就非常有利。
2、 欧几里得距离
还是用（X，Y）来表示一个人，那么两个人之间的距离就是：
在计算两个用户之间的相似度距离时，只取双方都评价过的商品。
曼哈顿距离和欧几里得距离在 数据完整 的情况下效果最好。
3、闵克夫斯基距离
可以将曼哈顿距离和欧几里得距离归纳成一个公式，这个公式称为闵可夫斯基距离：
R值越大，单个维度的差值大小会对整体距离有更大的影响。
4、 皮尔逊相关系数
分数膨胀：例如用户对乐队的评分，可以发现每个用户的打分标准非常不同，A的4分相当于B的4分还是5分？
解决方法之一就是使用皮尔逊相关系数。
皮尔森相关系数用于衡量两个变量之间的相关性，它的值在-1到1之间，1表示完全吻合，-1表示完全相悖。
皮尔逊相关系数的计算公式是：
上面的公式除了看起来比较复杂，另一个问题是要获得计算结果必须对数据做多次便利，好在有另外一个公式，能够计算皮尔逊相关系数的近似值：
这个公式看起来更加复杂，而且计算结果不太稳定，有一定误差存在，但是最大的有点是用代码实现的时候可以只遍历一次数据。
5、 余弦相似度
余弦相似度的计算中会略过这些非零值。它的计算公式是：
举个例子：
总结
该选择哪种相似度计算： 如果数据存在“分数膨胀”，就是用皮尔逊相关系数。
如果数据之间比较“密集”，数据比较完整，变量之间基本存在公有值，且这些距离数据是非常重要的，那就使用欧几里得或曼哈顿距离。
（空缺值处理：用0代替空缺值的方法可能会造成较大误差，“平均值”填充效果好于0值填充）
如果数据是稀疏的，则使用余弦相似度。
