-
Notifications
You must be signed in to change notification settings - Fork 0
/
cos_range_first.py
44 lines (31 loc) · 1.39 KB
/
cos_range_first.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import numpy as np
users_stats = np.array( # Наша база данных
[
[2, 1, 0, 0, 0, 0],
[1, 1, 2, 1, 0, 0],
[2, 0, 1, 0, 0, 0],
[1, 1, 2, 1, 0, 1],
[0, 0, 1, 2, 0, 0],
[0, 0, 0, 0, 0, 5],
[1, 0, 0, 0, 0, 0],
[0, 1, 1, 0, 0, 0],
[0, 0, 0, 1, 1, 3],
[1, 0, 0, 2, 1, 4]
],
np.int32
)
next_user_stats = np.array([0, 1, 2, 0, 0, 0]) # Наш покупатель, которому нужно порекомендовать
cos_ranges = []
def cosin(a, b):
"""
Функция считает cos расстояние, по формуле из презентации
"""
aLength = np.linalg.norm(a)
bLength = np.linalg.norm(b)
return np.dot(a, b) / (aLength * bLength)
for user in users_stats: # Сравним всех польз. из БД с нашим
cos_ranges.append(cosin(user, next_user_stats))
print(cos_ranges)
sorted_cos_ranges = sorted(cos_ranges)[::-1] # Отсортируем по убыванию
print(cos_ranges.index(sorted_cos_ranges[0])+1) # найдем id пользователя, наиболее подходящего к нашему
print(cos_ranges.index(sorted_cos_ranges[1])+1) # так как рекоммендовать было нечего, ищем второго наиболее близкого