我正在使用基于 mahout 推荐项的算法。所有可用的 --similarity 类之间有什么区别？如何知道我的应用程序的最佳选择是什么？这些是我的选择：
SIMILARITY_COOCCURRENCE
SIMILARITY_LOGLIKELIHOOD
SIMILARITY_TANIMOTO_COEFFICIENT
SIMILARITY_CITY_BLOCK
SIMILARITY_COSINE
SIMILARITY_PEARSON_CORRELATION
SIMILARITY_EUCLIDEAN_DISTANCE
每一个是什么意思？
我不熟悉所有这些，但我可以提供一些帮助。
共现是指同一用户出现两个项目的频率。http://en.wikipedia.org/wiki/Co-occurrence
对数似然是根据您推荐的特征推荐该项目的概率的对数。http://en.wikipedia.org/wiki/Log-likelihood
不确定谷本
如果您假设您只能像在棋盘式城市中一样四处走动，那么城市街区就是两个实例之间的距离。http://en.wikipedia.org/wiki/Taxicab_geometry
余弦相似度是两个特征向量之间夹角的余弦值。http://en.wikipedia.org/wiki/Cosine_similarity
皮尔逊相关是由标准差归一化的特征的协方差。http://en.wikipedia.org/wiki/Pearson_correlation_coefficient
欧几里得距离是两点之间的标准直线距离。http://en.wikipedia.org/wiki/Euclidean_distance
要确定哪个最适合您的应用程序，您很可能需要对您的数据及其含义有一些直觉。如果您的数据是连续值特征，那么像欧几里得距离或皮尔逊相关性之类的东西是有意义的。如果您的离散值比城市街区或余弦相似度的值更多，则可能更有意义。
另一种选择是设置一个交叉验证实验，您可以在其中查看每个相似性度量在预测所需输出值方面的效果，并从交叉验证结果中选择效果最佳的度量。
Tanimoto 和 Jaccard 是相似的，是用于比较样本集的相似性和多样性的统计量。