第一章 集体智慧导言

Netflix公司为了奖励提出好的推荐算法的人。推荐系统的改善能够带给Netflix大笔的收入。谷歌创办时已经存在大量搜索引擎公司，但是谷歌改变了算法，对搜索结果进行排序。这使得谷歌的搜索结果远远优于其他同行。

什么是集体智慧

为了创造新的算法，将一群人的行为、偏好或思想组合在一起。 *两个例子说明信息的加工和解释： 1.Wikipedia在线百科全书，用户维护。任何人都协作团队都无法企及的大型百科全书。可以新建或编辑网站上的任何一个页面。每一篇文章都有大量人员在维护，最后形成一个任何单一协作团队都无法企及的大型百科全书。 2.谷歌：根据其他网页对当前网页的引用多少来评价网页等级的搜索引擎。PageRank算法会搜集用户的数据，对数据进行分析，创造出可以增强用户体验的新信息。

什么是机器学习

机器学习（ML，machine learning）是人工智能（AI，artificial intelligence）的子领域。将数据传递给算法，算法推断这些数据的属性相关的信息，进而预测未来有可能出现的其他数据。 算法之间会有明显的不同，所有算法各有所长，适应于不同类型的问题。决策树：可以直观的理解机器执行的推导过程。神经网络：像一个黑箱，给出结果，但是结果背后的推导过程非常困难。

机器学习的局限性

ML算法对大量模式归纳，如果不同，新模式则会被误解。相比之下，人类可以借鉴文化知识和经验，同时识别相似信息。

真实生活中的例子

谷歌成功的利用大量的用户数据，用户点击广告，信息被收集，使得广告投放更有效。 市场预测：Hollywood Stock Exchange，可以用来进行设计影片和影星的模拟股票交易。价格通过群体行为来确定。

学习型算法的其他用途：

生物工艺学：人类基因测序和筛选技术，DNA序列，蛋白质结构，理解生物进程的模式。金融欺诈侦测：使用神经网络和归纳逻辑，对交易行为进行检验。机器视觉：人脸识别，侦测入侵者。无人监控技术的使用。能从大数据集中发现有趣特征的独立组员分析技术。产品市场化：人们在消费者数据搜集能力方面的增长。供应链优化：精确预测不同区域的产品需求，供应链的有效运行。 股票市场分析，国家安全。

第二章 提供推荐

Making Recommendations

本章内容：讲解如何根据群体偏好为人们提供推荐，告诉如何构筑一个系统，寻找相同品味的人，并根据喜好自动给出推荐。

协作型过滤

当选择变多，通过询问一小群人来确定我们想要的东西，变得不切实际，所以引入协作型过滤（collaborative filtering）。 协作型过滤：对一群人进行搜索，找出与我们品味相近的一小群人，将他们偏爱的内容进行考察，然后组合起来构造一个经过排名的推荐列表，确定与我们品味相近的人。eg：大众点评，美团等等的推荐算法。

搜集偏好

第一件事，寻找一种表达不同人及其偏好的方法，最简单的方法，使用一个嵌套的字典。

加入如下代码，构建一个数据集： # A dictionary of movie critics and their ratings of a small # set of movies 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}, 'Mick LaSalle': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0, 'Just My Luck': 2.0, 'Superman Returns': 3.0, 'The Night Listener': 3.0, 'You, Me and Dupree': 2.0}, 'Jack Matthews': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0, 'The Night Listener': 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}}

上述代码一定注意空格，python中空格的意义 上述建立了一个影评者对电影的评分情况，1-5的评分。 若是在线购物，可用1代表购买，0代表未购买。若是故事投票，-1，0，1可分别代表“不喜欢”、“未投票”、“喜欢”。

使用命令行对字典进行查询和修改 c:\code\collective\chapter2>python >>from recommendations import critics >>critics['Lisa Rose']['Lady in the Water'] 2.5 >>critics['Toby'] {'Snakes on a Plane' : 4.5,'Superman Returns' : 4.0, 'You,Me and Dupree':1.0}

注意字典的调用方式，使用中括号，分层调用。

寻找相近的用户

本章介绍两套计算相似度评价值的体系：欧几里得距离和皮尔逊相关度。

欧几里得距离评价：

以评价的物品为坐标轴，将参与评价的人绘制在图上，考察彼此的距离远近。如图所示： 在偏好空间中的人的分布，两个点距离越近，偏好越相似。可适用于多项评分的情况。求两点的距离，代码块:

>>from math import sqrt >>sqrt(pow(4.5-4,2) + pow(1-2,2)) 1.11803

修改计算方式，使得偏好越相近，值越大，函数值+1，然后取倒数。返回介于0-1之间的值。

0.4721359``` 加入代码块： # Returns a distance-based similarity score for person1 and person2 def sim_distance(prefs,person1,person2): # Get the list of shared_items si={} for item in prefs[person1]: if item in prefs[person2]: si[item]=1 # if they have no ratings in common, return 0 if len(si)==0: return 0 # Add up the squares of all the differences 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+sum_of_squares)