推荐引擎

1.推荐算法：

① 基于关系型规则的推荐 ：

a、消费者购买A产品，那么他有多大可能购买B产品 b、购物车分析

② 基于内容的推荐 ：

a、分析网页的内容自动分类，再将用户自动分类 ，将新进已分类的网页推荐给该群感兴趣的用户

③ 人口统计式的推荐：

a、将用户按照其个人属性（性别、年龄、教育背景、居住地、语言）作为分类的指针

④ 协同过滤式的推荐：

通过观察到的所有的用户对产品的评分，来推断用户的爱好，找出对产品频分相近的其他用户，他们喜欢的产品当前用户多半也会喜欢

协同式过滤式的推荐（推荐ALS算法 ）

①缺点：冷启动，需要有历史数据

执行语句rawUserData.map(_.split('\t')(0).toDouble).stats()【stats统计算子】

count计数 mean平均值 stdev 标准偏差 max最大值 min最小值

ALS.train分为显示评分训练和隐式评分训练

显示：ALS.train(ratings.RDD[Rating],rank:Int,iterations:Int,lamba:Double):MatrixFactorizationModel

隐式：ALS.trainImplict(tating:RDD[Rating],rank: Int, iterations: Int, lambda: Double):MatrixFactorizationModel

Rating 是一种数据格式

rank将原本矩阵（n*m）分割成n*rank，和m*rank两个矩阵

iterations表示ALS重复计算的次数