matlab 计算对数似然相似度

最新推荐文章于 2025-05-06 09:53:12 发布

USTC_daffodil

最新推荐文章于 2025-05-06 09:53:12 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： matlab 数学建模创新代码文章标签： matlab

本文链接：https://blog.csdn.net/zhanghanqmx/article/details/120086852

matlab 同时被 2 个专栏收录

106 篇文章

订阅专栏

数学建模创新代码

3 篇文章

订阅专栏

本文介绍了如何利用对数似然计算行熵、列熵和矩阵熵，进而衡量用户行为的相似度。通过实例展示了如何在矩阵K中应用这些概念，得出的UserSimilarity为3.6012，揭示了用户行为数据的统计特征和相似性分析方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算对数似然相似度

clc,clear;
%计算对数似然相似度
K=[1 2 3;
    1 2 3;
    1 2 3];
N=sum(sum(K));
%计算行熵
rowEntropy=[K(1,1)*log(K(1,1)/sum(K(1,:))),K(1,2)*log(K(1,2)/sum(K(1,:))),K(2,1)*log(K(2,1)/sum(K(2,:))),K(2,2)*log(K(2,2)/sum(K(2,:)))];
rowEntropy(find(isnan(rowEntropy)==1))=0;
rowEntropy=sum(rowEntropy./N);
%计算列熵
columEntropy=[K(1,1)*log(K(1,1)/sum(K(:,1))),K(1,2)*log(K(1,2)/sum(K(:,2))),K(2,1)*log(K(2,1)/sum(K(:,1))),K(2,2)*log(K(2,2)/sum(K(:,2)))];
columEntropy(find(isnan(columEntropy)==1))=0;
columEntropy=sum(columEntropy./N);
%计算矩阵熵
matrixEntropy=K./N.*log(K./N);
matrixEntropy(find(isnan(matrixEntropy)==1))=0;
matrixEntropy=sum(sum(matrixEntropy));
%计算相似度
UserSimilarity=1-2*(matrixEntropy-rowEntropy-columEntropy)

result

rowEntropy =

-0.4432

columEntropy =

-0.3662

matrixEntropy =

-2.1100

UserSimilarity =