ALS协同过滤推荐算法在pySpark MLlib机器学习库源码解析

Spark MLlib中实现ALS协同过滤推荐算法的库为recommendation.py，这可库有以下三个类

__all__ = ['MatrixFactorizationModel', 'ALS', 'Rating']

    -a. Rating   算法的输入，包括用户对物品的评价，为三元组
        class Rating(namedtuple("Rating", ["user", "product", "rating"]))
        user、producet整型数据，通常使用ID表示
        rating数值型（double）数据
    -b. ALS
        这就是算法的实现类，有两个函数，分别对显式反馈和隐式反馈评价：
        - 显式反馈
             ALS.train(ratings, rank, iterations=5, lambda_=0.01, blocks=-1, nonnegative=False, seed=None)
      ratings：ratings: RDD[Rating],   通过Rating函数转换够的需要训练的数据集

      rank：特征数目，模型中隐藏因子数,参考设置在10 - 20

      iterations=5 ： 迭代次数，默认5，一般设置在10-20次

      lambda: Double