推荐系统的数据挖掘方法

1. 推荐系统中的数据挖掘流程
   
2. 数据预处理
   （1） 相似性度量
         欧式距离       
           
          闵可夫斯基距离
          
          协方差距离(Mahalanobis distance)
           

           Cosine distance
      
Pearson distance 
 

常用的距离：Pearson distance 和 cosine distance
 
3. 采样  sampling、
  参看数据挖掘的教材
 
4. 降维 ---Reducing dimansionality
   主要功能：将已知数据转化成的低维的数据集，同时数据的主要特性不能发生变化
常用的降维的方法：SVD和PCA
  PCA：
  主要的思想： 进行主元分析，去掉那些相对重要性较低的元，达到降维的作用的，具体的实现方式见：
http://blog.csdn.net/scmyyan/archive/2011/02/26/6209231.aspx 
  SVD：