13、基于模型的电影推荐引擎与期权交易Q学习算法

基于模型的电影推荐引擎与期权交易Q学习算法

1. 基于模型的电影推荐引擎

1.1 模型性能提升与调优

目前，基于 MLlib 的 ALS 算法没有已知的模型调优工具。感兴趣的读者可参考此 URL 了解更多 ML 基 ALS 模型调优信息：https://spark.apache.org/docs/preview/ml - collaborative - filtering.html。

1.2 最佳模型的选择与部署

首个项目中开发的第一个模型无法持久化，因为它只是用于计算电影相似度的几行代码，且只能计算两部电影之间的相似度，难以应用于实际电影推荐。因此，我们将重点放在基于模型的推荐引擎上。

为了节省服务器启动时间，我们可以持久化当前的基础模型，以便后续使用。同时，持久化一些生成的 RDD 也能节省时间，特别是那些处理时间较长的 RDD。以下代码可保存训练好的 ALS 模型：

//Saving the model for future use
val savedALSModel = model.save(spark.sparkContext, "model/MovieRecomModel")

1.3 模型恢复与预测

恢复保存的 ALS 模型并进行预测的代码如下：

package com.packt.ScalaML.MovieRecommendation
import org.apache.spark.sql.Spark