Correlação Pearson no PHP

Question

Estou tentando implementar o cálculo do coeficiente de correlação de pessoas entre dois conjuntos de dados no PHP. Só estou tentando fazer o script de portando python que pode ser encontrado neste URLhttp://answers.oreilly.com/topic/1066-how-to-find-similar-users-with-python/

Minha implementação é o seguinte:

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;

}
}

Esclarecimento Para entender melhor o código, o método FetchAllPreferências devolvem um conjunto de objetos que são realmente os itens, transforma -os em uma matriz para facilitar o gerenciamento

Não tenho certeza se essa implementação está correta; em particular, tenho algumas dúvidas sobre a correção do cálculo do denominador.

Qualquer conselho é bem -vindo.

desde já, obrigado!

Answer 1

Seu algoritmo parece matematicamente correto, mas numericamente instável. Encontrar a soma dos quadrados explicitamente é uma receita para o desastre. E se você tiver números como array(10000000001, 10000000002, 10000000003)? Um algoritmo de passagem numericamente estável para calcular a variação pode ser encontrado na Wikipedia, e o mesmo princípio pode ser aplicado à computação da covariância.

Mais fácil ainda, se você não se importa muito com a velocidade, poderá usar dois passes. Encontre os meios na primeira passagem e calcule as variações e covariâncias usando a fórmula do livro na segunda passagem.

Answer 2

Esta é a minha solução:

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;
}

http://profprog.ru/korrerlyaciya-na-php-php-simple-pearson-correlation/

Answer 3

Experimente meu pacote aqui

http://www.phpclasses.org/browse/package/5854.html