spark Mllib协同过滤算法:
MLlib中支持的是基于模型的协同过滤,即交替最小二乘(ALS)算法
依旧以4.1.4节中用户物品数据为例:
1、先加载了训练数据文件,然后解析每行数据,并将其转换为Rating对象
2、定义特征矩阵的维度rank和算法迭代次数numIterations
3、调用ALS的类方法train(),根据训练数据ratings学习出评分模型
4、调用recommendProductsForUsers()向用户推荐指定个数的物品
用户访问量
注册用户数
在线视频观看人次
在线实验人次
spark Mllib协同过滤算法:
MLlib中支持的是基于模型的协同过滤,即交替最小二乘(ALS)算法
依旧以4.1.4节中用户物品数据为例:
1、先加载了训练数据文件,然后解析每行数据,并将其转换为Rating对象
2、定义特征矩阵的维度rank和算法迭代次数numIterations
3、调用ALS的类方法train(),根据训练数据ratings学习出评分模型
4、调用recommendProductsForUsers()向用户推荐指定个数的物品
¥ 5999
·难
·20
¥ 9999
·难
·1
¥ 7999
·难
·8
¥ 199
·易
·31
¥ 899
·适中
·15
¥ 1688
·适中
·198
¥ 28000
·难
·169
¥ 199
·偏易
·3589
¥ 100000
·难
·171
¥ 998
·难
·9
¥ 1899
·难
·15
¥ 199
·易
·342
¥ 5999
·适中
·30
¥ 6999
·难
·18
¥ 5999
·难
·15
¥ 3999
·难
·15
¥ 2999
·难
·57