前面我们开过矩阵篇。本篇是机器学习前传系列中的距离篇。主要针对机器学习中各种距离度量进行讲解和实例演示。本课程不适合零基础学员，且需要具备基本的矩阵基础。

*   第1讲:开张课、基本环境、欧式距离入门、思考题:商品综合排序

*   第2讲:欧式距离案例练习:商品综合排序、最强商品的产生

*   第3讲:余弦距离入门和作用、numpy和scipy的实现方式

*   第4讲:编辑距离入门、文本相似度计算公式讨论

*   第5讲:曼哈顿距离入门、借助pandas实现商品综合排序[选学]

*   第6讲:切比雪夫距离入门

*   第7讲:杰卡德(Jaccard)距离入门、根据好友数计算相似性

*   第8讲:补充知识点:方差和标准差的理解

*   第9讲:补充知识点:理解协方差,商品销售相互影响程度

*   第10讲:马氏距离的入门理解:谁的深蹲更厉害

*   第11讲:标准化欧式距离详细算法、计算商品距离、多种实现方法

*   第12讲:修正的余弦相似性入门、计算用户相似性

*   第13讲:维度缺失的情况下计算用户相似度、皮尔森相关系数入门理解