spark mllib中如何实现基于ALS计算

这篇文章主要介绍spark mllib中如何实现基于ALS计算，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

运行代码如下

/**  *  协同过滤算法，基于 (交替最小二乘法) ALS 计算  *  人以群分，物以类聚,  *  ALS是统计分析中最常用的一种逼近计算算法．  *  输入数据集 Ratings 是　ALS 固定输入格式,  *  Ratings [Int, Int, Double] 即[用户名，物品名，评分]  */package spark.collaborativeFilteringimport org.apache.spark.mllib.recommendation.{ALS, Rating}import org.apache.spark.{SparkConf, SparkContext}object sparkALS {  def main(args: Array[String]) {    val conf = new SparkConf().setAppName("ALS").setMaster("local")    val sc= new SparkContext(conf)    val data = sc.textFile("./src/main/spark/collaborativeFiltering/ul.txt")    val ratings = data.map(_.split(" ") match {      case Array(user, item, rate) =>        Rating(user.toInt, item.toInt, rate.toDouble)//将数据集转化为专用的 Rating    })    val rank = 2 // 模型中隐藏因子数    val numInterations = 5 //算法迭代次数    val model = ALS.train(ratings, rank, numInterations, 0.01) // 进行模型训练    val result = model.recommendProducts(2, 1)//为用户 2 推荐一个商品    result.foreach(println)//Rating(2,15,3.9713808775549495)，为用户 2 推荐一个编号 15 的商品，预测评分 3.97 与实际的 4 接近．  }}

ul.txt

1 11 21 12 31 13 11 14 01 15 12 11 12 12 22 13 22 14 12 15 43 11 23 12 33 13 13 14 03 15 14 11 14 12 24 13 24 14 14 15 45 11 15 12 25 13 25 14 15 15 4

结果如图

以上是"spark mllib中如何实现基于ALS计算"这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注行业资讯频道！