質問
私は、PHPでの2つのデータセット間の人の相関係数の計算を実装しようとしています。 私はこのURLで見つけることができます移植Pythonスクリプトをやろうとしています http://answers.oreilly.com /トピック/ 1066-どのツー見つける - 類似ユーザー-と-pythonの/ の
私の実装は以下の通りです:
class LB_Similarity_PearsonCorrelation implements LB_Similarity_Interface{
public function similarity($user1, $user2){
$sharedItem = array();
$pref1 = array();
$pref2 = array();
$result1 = $user1->fetchAllPreferences();
$result2 = $user2->fetchAllPreferences();
foreach($result1 as $pref){
$pref1[$pref->item_id] = $pref->rate;
}
foreach($result2 as $pref){
$pref2[$pref->item_id] = $pref->rate;
}
foreach ($pref1 as $item => $preferenza){
if(key_exists($item,$pref2)){
$sharedItem[$item] = 1;
}
}
$n = count($sharedItem);
if ($n == 0) return 0;
$sum1 = 0;$sum2 = 0;$sumSq1 = 0;$sumSq2 = 0;$pSum = 0;
foreach ($sharedItem as $item_id => $pre) {
$sum1 += $pref1[$item_id];
$sum2 += $pref2[$item_id];
$sumSq1 += pow($pref1[$item_id],2);
$sumSq2 += pow($pref2[$item_id],2);
$pSum += $pref1[$item_id] * $pref2[$item_id];
}
$num = $pSum - (($sum1 * $sum2) / $n);
$den = sqrt(($sumSq1 - pow($sum1,2)/$n) * ($sumSq2 - pow($sum2,2)/$n));
if ($den == 0) return 0;
return $num/$den;
}
}
明確化は、より良い管理を容易にするためにアレイにそれらを回す、方法fetchAllPreferencesは、実際のアイテムであるオブジェクトのセットをバック戻りコードを理解する
私は特に、私は分母の計算の正確性についていくつかの疑問を持って、この実装が正しいことを確認していないよ。
何かアドバイスは大歓迎です。
事前に感謝!
解決
あなたのアルゴリズムは、数学的に正しいが、数値的に不安定になります。明示的に二乗和を見つけることは、災害のためのレシピです。あなたがarray(10000000001, 10000000002, 10000000003)
のような数字を持っている場合は?分散を計算するための数値的に安定ワンパスアルゴリズムはウィキペディアの上に見出され、同じことができ原理は、共分散の計算に適用することができます。
簡単、まだ、あなたはちょうど2つのパスを使用することができます。最初のパスにおける手段を見つけ、その後、第二のパスにおいて教科書の式を用いて分散と共分散を計算する。
他のヒント
これは私のソリューションです:
function php_correlation($x,$y){
if(count($x)!==count($y)){return -1;}
$x=array_values($x);
$y=array_values($y);
$xs=array_sum($x)/count($x);
$ys=array_sum($y)/count($y);
$a=0;$bx=0;$by=0;
for($i=0;$i<count($x);$i++){
$xr=$x[$i]-$xs;
$yr=$y[$i]-$ys;
$a+=$xr*$yr;
$bx+=pow($xr,2);
$by+=pow($yr,2);
}
$b = sqrt($bx*$by);
if($b==0) return 0;
return $a/$b;
}
ここに私のパッケージを試してみてください。
所属していません StackOverflow