ALS协同过滤推荐算法参数

rank：是一个特征向量，数据特征数，设置的太小拟合度会不够，误差就很大，设置的太大的话会有过拟合的问题，导致模型的泛化能力较差，一般情况下10～1000都是可以的。

iteration：迭代次数，设置的越大越精确，但是也越耗时。

lambda：是一个正则化参数，设置大一点可以防止过拟合，可以从0.0001 ，0.0003，0.001，0.003，0.01，0.03，0.1，0.3这样每次大概3倍的设置，先大概看下哪个值效果比较好，然后在那个比较好的值前后再设置一个范围。如果机器性能够好，而且时间充裕，可以直接设置从0到100，间隔很小，然后一组一组的试。

解决过拟合：增大数据规模、减小数据特征数、增大正则化系数