如何使用Apache Spark ALS（交錯最小二乘）算法，限制評分值

Question

我正在嘗試使用ALS，但目前我的數據僅限於有關用戶購買的信息。因此，當用戶X購買商品Y（以及僅提供給該算法的這些信息）時，我試圖從Apache Spark填充ALS，等級爲1（一）。我試圖學習它（將數據分爲訓練/測試/驗證）或試圖學習所有數據，但最終我得到的預測結果非常類似，用於任何對用戶項目（值有區別在逗號後爲0,86001和0,86002的第5或第6位）。

我在想這個，也許是因爲我只能提供等級爲1的等級，所以ALS不能用於這種極端情況嗎？

是否有任何額定值的技巧，所以我可以用它來解決這樣的問題（我只有信息是關於什麼被買了 - 後來我將獲得更多的數據，但在一刻我必須使用某種協作過濾直到我將獲得更多的數據 - 換句話說，我需要在啓動頁面上向用戶顯示某種建議，我選擇ALS作爲啓動頁面，但也許我使用其他的東西，究竟是什麼）？

Ofcourse我改變參數像迭代，lambda，等級。

Answer 1

在這種情況下，關鍵是您必須使用trainImplicit，它忽略了Rating的值。否則，你要求它在一個世界上預測評級，在這個世界上，每個人都對所有事情進行評估1.正確的答案總是1，所以你的答案都是相似的。