参考：https://www.bilibili.com/video/av38554878?p=4
https://blog.csdn.net/huozi07/article/details/45600963

多维向量余弦距离相似度公式

参考：https://blog.csdn.net/smile_shujie/article/details/89516305

与sklearn 对比

from sklearn.metrics.pairwise import cosine_similarity

kkkk=[[0.        , 0.        , 0.60534851, 0.79596054, 0.        ,
        0.        , 0.        , 0.        , 0.        ],
       [0.52863461, 0.52863461, 0.40204024, 0.        , 0.        ,
        0.        , 0.        , 0.        , 0.52863461],
       [0.        , 0.        , 0.        , 0.        , 0.5       ,
        0.5       , 0.5       , 0.5       , 0.        ]]
cosine_similarity(kkkkk)

###直接公式，一二行数据相似度
(0.60534851*0.40204024)/(((0.60534851**2+0.79596054**2)**0.5) * ((0.52863461**2+0.52863461**2+0.52863461**2+0.40204024**2)**0.5))

2、user_cf相关打分计算：

重点就是求两两相关性是求两者共同有的之间进行的相关性计算

下面是求出的u1对i2的打分预测：