电商大数据项目-推荐系统实战之推荐算法（三）

最新推荐文章于 2025-07-29 16:31:31 发布

转载

最新推荐文章于 2025-07-29 16:31:31 发布 · 6.6k 阅读

37 ·

CC 4.0 BY-SA版权

原文链接：http://blog.51cto.com/6989066/2326209

文章标签：

#数据结构与算法 #大数据 #人工智能

本文详细介绍了电商推荐系统实战，重点讲解了协同过滤算法，包括基于用户的CF和基于物品的CF，并探讨了Apache Mahout和Spark MLLib在推荐系统中的应用。还深入阐述了基于ALS的协同过滤推荐算法，包括如何在Spark MLLib和Apache Mahout中实现及评估模型。

电商大数据项目-推荐系统实战（一）环境搭建以及日志，人口，商品分析
https://blog.51cto.com/6989066/2325073
电商大数据项目-推荐系统实战之推荐算法
https://blog.51cto.com/6989066/2326209
电商大数据项目-推荐系统实战之实时分析以及离线分析
https://blog.51cto.com/6989066/2326214

（七）推荐系统常用算法
协同过滤算法
协同过滤算法（Collaborative Filtering：CF）是很常用的一种算法，在很多电商网站上都有用到。CF算法包括基于用户的CF（User-based CF）和基于物品的CF（Item-based CF）。

(八）Apache Mahout和Spark MLLib
①　Apache Mahout简介
Apache Mahout是Apache Software Foundation （ASF）旗下的一个开源项目，提供了一些经典的机器学习的算法，皆在帮助开发人员更加方便快捷地创建智能应用程序。目前已经有了三个公共发型版本，通过ApacheMahout库，Mahout可以有效地扩展到云中。Mahout包括许多实现，包括聚类、分类、推荐引擎、频繁子项挖掘。
Apache Mahout的主要目标是建立可伸缩的机器学习算法。这种可伸缩性是针对大规模的数据集而言的。Apache Mahout的算法运行在ApacheHadoop平台下，他通过Mapreduce模式实现。但是，Apache Mahout并非严格要求算法的实现基于Hadoo