Mahout相似性度量(转)

User CF 和 Item CF 都依赖于相似度的计算,因为只有通过衡量用户之间或物品之间的相似度,才能找到用户的"邻居",才能完成推荐。上文简单的介绍了相似性的计算,但不完全,下面就对常用的相似度计算方法进行详细的介绍:

1. 基于皮尔森相关性的相似度 Pearson correlation-based similarity

皮尔森相关系数反应了两个变量之间的线性相关程度,它的取值在[-1, 1]之间。当两个变量的线性关系增强时,相关系数趋于1或-1;当一个变量增大,另一个变量也增大时,表明它们之间是正相关的,相关系数大于0;如果一个变量增大,另一个变量却减小,表明它们之间是负相关的,相关系数小于0;如果相关系数等于0,表明它们之间不存在线性相关关系。

iOS 4.1+获取网络连接信息

iOS 4.1+获取当前连接的网络信息:

#import <SystemConfiguration/CaptiveNetwork.h>

- (id)fetchSSIDInfo
{
  NSArray *ifs = (id)CNCopySupportedInterfaces();
  NSLog(@"%s: Supported interfaces: %@", __func__, ifs);
  id info = nil;
  for (NSString *ifnam in ifs) {
    info = (id)CNCopyCurrentNetworkInfo((CFStringRef)ifnam);
    NSLog(@"%s: %@ => %@", __func__, ifnam, info);
    if (info && [info count]) {
      break;
    }
    [info release];
  }
  [ifs release];
  return [info autorelease];
}