推荐系统的数据挖掘方法

1. 推荐系统中的数据挖掘流程

   

2. 数据预处理

   （1） 相似性度量

         欧式距离       

           

          闵可夫斯基距离

          

          协方差距离(Mahalanobis distance)

           

           Cosine distance

      

Pearson distance 

 

常用的距离：Pearson distance 和 cosine distance

 

3. 采样  sampling、

  参看数据挖掘的教材

 

4. 降维 ---Reducing dimansionality

   主要功能：将已知数据转化成的低维的数据集，同时数据的主要特性不能发生变化

常用的降维的方法：SVD和PCA

  PCA：

  主要的思想： 进行主元分析，去掉那些相对重要性较低的元，达到降维的作用的，具体的实现方式见：

http://blog.csdn.net/scmyyan/archive/2011/02/26/6209231.aspx 

  SVD：