Fonction pour calculer les corrélations deux à deux

[Guepardow]

[Optionnelle] Une fonction calculant les degrés de similarités entre chaque couple d'individus. A partir de là, on obtiendrai un diagramme caractérisant les goûts du cinéma.
Par exemple, pour la corrélation de Pearson, si la majorité des corrélations sont entre 0.5 et 1, il semblerait que les goûts de chacun sont semblables ... ce qui discréditerait la technique même de collaborative filtering. En effet, pourquoi se casser la tête à personnaliser les requêtes lorsque les gens veulent tous voir la même chose ?

Je vous propose une fonction :
• prenant en entrée la base de notes
• donnant en sortie une matrice de similarité indiquant la répartition des goûts.

[Guepardow]

Je corrige, c'est une fonction du type :

proxi_Users_AllvsAll = function(data.Ratings, similarity){
  #INPUT    data.Ratings  : la base des notes
  #         similarity    : la métrique utilisée pour calculer la similarité ("pearson", "nrmse", "nmae")
  #OUTPUT   mat.sim       : matrice contenant le degré de similarité entre les utilisateurs
}

[Guepardow]

J'ai pensé à un nouveau hyperparamètre : le nombre minimal de films notés en commun.
Par exemple, ne sera plus considéré comme un voisin, un individu n'ayant que 2 films notés en commun.
On aura alors :

proxi_Users_AllvsAll = function(data.Ratings, similarity, nb.MinInCommon)

[Guepardow]

Pour les corrélations, je vais rajouter la similarité cosinus et prendre l'inverse des distances euclidienne et manhattan normée, pour éviter d'avoir un booléen betterIsHigh qui indique comment varie la proximité en fonction de la similarité.
Ainsi, quelle que soit la similarité, deux individus seront proches lorsque leur degré de similarité sera grand (ce qui est cohérent avec la notion de similarité)