这是一个很有用的 公式比如：用户消费分值权重 ， 产品关联分值权重 等等
公式
在 http://www.wolframalpha.com 中表示 :
e = (1+1/n) ^n
a*e^(-(x-b)^2/c^2)
a 峰值最大值
b 峰值x轴偏移量
c 弧度跨度
= 1*e^(-(x-1)^2/1^2)
修改 峰值 a = 2
这里 就 不一一展现 b 峰值x轴偏移量 ， c 弧度跨度 了 大家可以 去 wolframalpha 自己去尝试
实例1 与时间有关的递减 ：
import math
def gaussian(x,peak=1.0,axis=1.0,span=1.0):
return peak*math.e**(-(x-axis)**2/(span)**2 )
跨度 c 参考:
c = 1 : 在2.5 附件急剧衰减
c = 2 : 4
c = 18 :30 # 这个数 衰减统计 一个月 不错
c = 55 :90 # 衰减统计 一个季度 不错
#简单应用
消费1次得峰值4分 浏览1次峰值2分
统计某用户季度得分
数据：在前10天浏览10次，消费1次 ，前11天浏览5次
d10 = gaussian(10,span=55.0)
d11 = gaussian(11,span=55.0)
print d10*10*2+d10*4*1+d11*5*2
#结果 33.0407089687
倒的高斯 － 实例2 ：
公式 =
目的 与次数有关的产品分值化
#用户 对 某产品 分值化
# 比如 某用户 用过某产品 n次，我希望 n 无限大是一个 渐进某个值 而不是和 n 无限递增的
#下面的 fun 结果是 1.6 ～ 10 分值直接的区域, 也就是 传说中的 产品感兴趣 “10分制” 简易版
def gs(x,peak=9.0,axis=-2.0,span=11.0):
return "%.4f" % (-1*peak*math.e**(-(x-axis)**2/(span)**2 )+peak+1)
>>> gs(1)
'1.6451'
>>> gs(2)
'2.1148'
>>> gs(3)
'2.6800'
>>> gs(4)
'3.3161'
>>> gs(5)
'3.9970'
>>> gs(6)
'4.6969'
>>> gs(60)
'10.0000'
整理 www.blogjava.net/Good-Game