Spark 机器学习-实例演示-协同过滤《三》

协同过滤

1.简介

协同过滤常被应用于推荐系统。这些技术旨在补充用户 - 商品关联矩阵中所缺失的部分。

MLlib 当前支持基于模型的协同过滤，其中用户和商品通过一小组隐性因子进行表达，并且这些  因子也用于预测缺失的元素。 MLLib 使用交替最小二乘法 ( ALS ) 来学习这些隐性因子。 

在 MLlib 中的实现有如下的参数 :

– numBlocks 是用于并行化计算的分块个数 ( 设置为 - 1 为自动配置 ) 。

–  rank 是模型中隐性因子的个数。 

–  iterations 是迭代的次数。 

–  lambda 是 ALS 的正则化参数。 

–  implicitPrefs 决定了是用显性反馈 ALS 的版本还是用适用隐性反馈数据集的版本。 

–  alpha 是一个针对于隐性反馈 ALS 版本的参数，这个参数决定了偏好行为强度的基准

2.数据格式