机器学习之协同过滤

机器学习之协同过滤

[睡着的水-hzjs-2016.08.18][求点赞]

一、协同过滤的基本概念

协同过滤是推荐引擎的一种算法，经常用到的地方像亚马逊、京东、淘宝、今日头条等隐形推荐场景。这些计算旨在补充用户-商品关联矩阵中所缺失的部分。像下面的推荐引擎就是我们的推荐系统：

  

#MLlib 当前支持基于模型的协同过滤，其中用户和商品通过一小组隐性因子进行表达，并且这些因子也用于预测缺失的元素，MLlib 使用最小二乘法（ALS）来学习这些隐性因子。

在Mllib中实现的有如下参数：

---numBlocks 是用于并行化计算的分块个数（设置为-1 为自动分配）；

---rank 是模型中隐语义因子的个数；

---Iterations 是迭代的次数；

---lambda 是ALS 的正则化参数；

---Impllcltprefs 决定了是线性反馈ALS 的版本还是用适用隐性反馈数据集的版本；