如何使用具有有限评级值的 Apache Spark ALS（交替最小二乘法）算法
How to use Apache Spark ALS (alternating-least-squares) algorithm with limited Rating values
我正在尝试使用 ALS，但目前我的数据仅限于有关用户购买内容的信息。因此，当用户 X 购买商品 Y（并且我只向该算法提供此类信息）时，我试图从 Apache Spark 中为 ALS 填充等于 1（一）的评分。
我试图学习它（将数据划分为 train/test/validation）或者只是尝试学习所有数据，但最后我得到的预测值对任何一对用户项目（值在逗号后的第 5 位或第 6 位进行区分，例如 0,86001 和 0,86002)。
我在考虑这个，也许是因为我只能提供等于 1 的评级，所以 ALS 不能在这种极端情况下使用吗？
评级有什么技巧可以用来解决这个问题吗（我只有关于购买的信息 - 稍后我将获得更多数据，但现在我必须使用某种协作过滤直到我将获取更多数据 - 换句话说，我需要在启动页面上向用户展示某种推荐我选择 ALS 作为启动页面，但也许我使用其他东西，究竟是什么）？
当然，我正在更改迭代、lambda、等级等参数。
在这种情况下，关键是你必须使用trainImplicit，它会忽略Rating的值。否则，您是在要求它预测每个人对所有事物的评分均为 1 的世界中的评分。正确答案始终为 1，因此您的所有答案都是相似的。
我正在尝试使用 ALS，但目前我的数据仅限于有关用户购买内容的信息。因此，当用户 X 购买商品 Y（并且我只向该算法提供此类信息）时，我试图从 Apache Spark 中为 ALS 填充等于 1（一）的评分。
我试图学习它（将数据划分为 train/test/validation）或者只是尝试学习所有数据，但最后我得到的预测值对任何一对用户项目（值在逗号后的第 5 位或第 6 位进行区分，例如 0,86001 和 0,86002)。
我在考虑这个，也许是因为我只能提供等于 1 的评级，所以 ALS 不能在这种极端情况下使用吗？
评级有什么技巧可以用来解决这个问题吗（我只有关于购买的信息 - 稍后我将获得更多数据，但现在我必须使用某种协作过滤直到我将获取更多数据 - 换句话说，我需要在启动页面上向用户展示某种推荐我选择 ALS 作为启动页面，但也许我使用其他东西，究竟是什么）？
当然，我正在更改迭代、lambda、等级等参数。
在这种情况下，关键是你必须使用trainImplicit，它会忽略Rating的值。否则，您是在要求它预测每个人对所有事物的评分均为 1 的世界中的评分。正确答案始终为 1，因此您的所有答案都是相似的。