基于Spark的电影推荐系统(推荐系统~3)

本篇博客介绍如何基于Spark on Yarn处理数据仓库中的ratings表,将数据切分为训练集和测试集,比例为7:3,最近的数据作为测试集。通过详细步骤展示从代码编写到执行的过程,完成数据加工,为模型训练做准备。
摘要由CSDN通过智能技术生成

第四部分-推荐系统-数据加工

  • 本模块基于第2节加载到 数据仓库 里的数据做进一步的加工,加工后的数据主要用于 模型训练 。
前置准备

本节我采用Spark on Yarn 来跑作业
拓展:Hadoop YARN中内存的设置
(1)yarn.scheduler.minimum-allocation-mb
单个任务可申请的最少物理内存量,默认是1024(MB),如果一个任务申请的物理内存量少于该值,则该对应的值改为这个数。
(2)yarn.scheduler.maximum-allocation-mb
单个任务可申请的最多物理内存量,默认是8192(MB)。
(3)yarn.nodemanager.resource.memory-mb
表示该节点上YARN可使用的物理内存总量,默认是8192(MB),注意,如果你的节点内存资源不够8GB,则需要调减小这个值,而YARN不会智能的探测节点的物理内存总量。
$HADOOP_HOME/etc/hadoop
NM(yarn-site.xml)

<property>
 <name>yarn.nodemanager.resource.memory-mb</name>
 <value>14336</value>
</property>

说明几点

  1. 把数据仓库里 ratings表数据 切分成训练集和测试集数据 7:3 越靠近最近时间段的数据作为测试数据集。代码中的主要操作是需要将 ratings 表数据按照 timestamp 字段进行 升序 降序的
  2. 调用cache table tableName or cacheTable即可将一张表缓存到内存中,来极大的提高查询效率,主要由于后面代码多次使用到
    在这里插入图片描述

开始项目Coding

步骤一: 在第二节中的项目中,新建machiniing包,再新建RatingDataApp

package com.csylh.recommend.datamachining

import org.apache.spark.sql.{
   SaveMode, SparkSession}
import org.apache.spark.storage.StorageLevel

/**
  * Description:
  *   数据加工:  ratings 评分数据[≈0.27亿]切分成训练集和测试集数据 7:3
  *
  *   为模型训练 准备的RDD数据集
  *   ratings(userId int,movieId int,rating Double,timestamp int)
  *   ==> timestamp 拆分
  *   trainingData(userId int,movieId int,rating double) 前70% 训练集
  *   testData(userId int,movieId int,rating double)  后3
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于Spark电影推荐系统是使用Spark框架来构建和训练的推荐系统,它可以根据用户的历史行为和电影的属性,为用户推荐可能感兴趣的电影。下面是一个简单的步骤来构建基于Spark电影推荐系统: 1. 数据准备:收集电影数据集,包括用户行为数据和电影属性数据。用户行为数据可以包括用户对电影的评分、观看历史、收藏等信息,电影属性数据可以包括电影的类型、导演、演员等信息。 2. 数据预处理:使用Spark的DataFrame API加载和处理数据。对于用户行为数据,可以进行数据清洗、去重、转换等操作;对于电影属性数据,可以进行特征提取、编码等操作。 3. 特征工程:将用户行为数据和电影属性数据转换为特征向量。可以使用特征提取方法如TF-IDF、Word2Vec等,将电影和用户表示为稠密向量。 4. 模型训练:使用Spark的机器学习库(如MLlib)训练推荐模型。常用的推荐模型包括协同过滤、基于内容的推荐、矩阵分解等。可以使用交叉验证和超参数调优来选择最佳模型。 5. 推荐生成:使用训练好的模型对新用户进行推荐。可以根据用户的特征向量和电影的特征向量计算用户与电影之间的相似度,并为用户推荐相似度高的电影。 6. 评估和优化:通过离线评估指标(如准确率、召回率等)来评估推荐系统的性能,并进行优化。可以尝试不同的模型算法、特征工程方法和参数设置来提高推荐效果。 请注意,以上只是一个基本的框架,实际构建电影推荐系统还需要根据具体需求和数据进行调整和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值