From cb6afa11a9c952fb2d02d4da6bdf41657cd7e373 Mon Sep 17 00:00:00 2001
From: taishan <1334512682@qq.com>
Date: Fri, 31 Jul 2020 19:57:58 +0800
Subject: [PATCH] update README.md.

---
 README.md | 5 ++++-
 1 file changed, 4 insertions(+), 1 deletion(-)

diff --git a/README.md b/README.md
index 017dddb..5b2a3e4 100644
--- a/README.md
+++ b/README.md
@@ -3,10 +3,13 @@
 #### 系统原理
 该系统使用java编写的基于用户的协同过滤算法（UserCF）
 利用统计学的相关系数经常皮尔森（pearson）相关系数计算相关系数来实现千人千面的推荐系统。
-一、协同过滤算法原理
+
 协同过滤推荐算法是诞生最早，并且较为著名的推荐算法。主要的功能是预测和推荐。算法通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的商品。协同过滤推荐算法分为两类，分别是基于用户的协同过滤算法(user-based collaboratIve filtering)，和基于物品的协同过滤算法(item-based collaborative filtering)。简单的说就是：人以类聚，物以群分。
+
 皮尔森(pearson)相关系数公式
+
 ![输入图片说明](https://images.gitee.com/uploads/images/2020/0731/193612_8dfc4af8_1981977.png "屏幕截图.png")
+
 公式定义为： 两个连续变量(X,Y)的pearson相关性系数(Px,y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX,σY)。系数的取值总是在-1.0到1.0之间，接近0的变量被成为无相关性，接近1或者-1被称为具有强相关性。
 通常情况下通过以下取值范围判断变量的相关强度：
 相关系数          0.8-1.0     极强相关