als算法参数_ALS算法实现用户音乐打分预测

怼烎@ 2022-12-31 15:26 125阅读 0赞

很多人在决定是否看一部电影之前都会去豆瓣看下评分作为参考，看完电影也会给一个自己的分数。每个人对每个商品或者电影或是音乐都有一个心理的分数，这个分数标明用户是否对这个内容满意。作为内容的提供方，如果可以预测出每个用户对于内容的心理分数，就能更好的理解用户，并给用户提供好的内容推荐。今天就介绍下如何通过ALS矩阵分解算法实现用户对于音乐或者电影的评分预测。

ALS算法介绍

ALS算法是基于模型的推荐算法，基本思想是对稀疏矩阵进行模型分解，评估出缺失项的值，以此来得到一个基本的训练模型。然后依照此模型可以针对新的用户和物品数据进行评估。ALS是采用交替的最小二乘法来算出缺失项的，交替的最小二乘法是在最小二乘法的基础上发展而来的。

从协同过滤的分类来说，ALS算法属于User-Item CF，也叫做混合CF，它同时考虑了User和Item两个方面。

我们通过音乐打分这个案例介绍下交替最小二乘法的原理，首先拿到的原始数据是每个听众对每首歌的评分矩阵A，这个评分可能是非常稀疏的，因为不是每个用户都听过所有的歌，也不是每个用户都会对每首歌评分。

![Image 1][]

ALS矩阵分解会把矩阵A分解成两个矩阵的相乘，分别是X矩阵和Y矩阵，

矩阵A=矩阵X和矩阵Y的转秩的乘积

![Image 1][]![Image 1][]

x的列表示和Y的横表示可以称之为ALS中的因子，这个因子是有隐含定义的，这里假设有3个因子，分别是性格、教育程度、爱好。A矩阵经过ALS分解出的X、Y矩阵可以分别表示成：

![Image 1][]

(上图为x矩阵)

![Image 1][]

(上图为Y矩阵)

数据经过这样的拆解就很容易做用户对音乐的评分预测。比如有听众6，他从没听过“红豆“这首歌，但是我们可以拿到听众6在矩阵分解中X矩阵的向量M，这时候只有把向量M和”红豆“在Y矩阵中的对应向量N相乘，就能预测出听众6对于”红豆“这首歌的评分。

ALS在PAI实验

现在在PAI上面对ALS算法案例进行实验。整体流程只需要包含输入数据源和ALS矩阵分解组件即可。本案例已经集成于PAI-STUDIO首页模板：

![Image 1][]

创建后如图：

![Image 1][]

1.数据源

输入数据源包含4个字段

![Image 1][]

User:用户ID

Item：音乐ID

score：user对item的评分

2.ALS矩阵分解

需要设置3个对应字段，

![Image 1][]

参数名称参数描述取值范围是否必选，默认值

userColName

user列名

列的类型必须是bigint，可以不连续编号

必选

itemColName

item列名

列的类型必须是bigint，可以不连续编号

必选

rateColName

打分列名

列的类型必须是数值类型

必选

numFactors

因子数

正整数

可选，默认值100

numIter

迭代数

正整数

可选，默认值10

lambda

正则化系数

浮点数

可选，默认值0.1

implicitPref

是否采用隐式偏好模型

布尔型

可选，默认值false

alpha

隐式偏好系数

浮点数，大于0

可选，默认值40

3.结果分析

本案例中会输出2张表，对应ALS算法介绍中说的X矩阵和Y矩阵。

X矩阵表如图：

![Image 1][]

Y矩阵表如图：

![Image 1][]

比如要预测user1对音乐item994556636的评分，只要将下方两个向量相乘即可

User1：\[-0.14220297,0.8327106,0.5352268,0.6336995,1.2326205,0.7112976,0.9794858,0.8489773,0.330319,0.7426911\]

item994556636：\[0.71699333,0.5847747,0.96564907,0.36637592,0.77271074,0.52454436,0.69028413,0.2341857,0.73444265,0.8352135\]

本文作者：傲海

本文为云栖社区原创内容，未经允许不得转载。

[Image 1]:

发表评论取消回复

表情：

评论列表（有 0 条评论，125人围观）

还没有评论，来说两句吧...

相关阅读

相关机器学习算法之交替最小二乘法(ALS)

引入我们知道很多豆瓣的用户都会对电影进行打分，根据这个评分，我们可能知道这些用户除了自己评过分之外的电影还偏好哪些电影？这是一个推荐问题，解决这类问题的算法被称作推荐算

我不是女神ヾ/ 2023年08月17日 17:06/ 0 赞/ 89 阅读

相关 payspark als

from pyspark.sql import SparkSession import math from os.path import abspath de

待我称王封你为后i/ 2023年08月17日 15:15/ 0 赞/ 66 阅读

相关 als算法参数_矩阵分解之交替最小二乘ALS

ALS(alternating least squares) ALS是交替最小二乘的简称。在机器学习中，ALS特指使用交替最小二乘求解的一个协同推荐算法。如：将用户(user

- 日理万妓/ 2023年01月09日 12:51/ 0 赞/ 110 阅读

相关 als算法参数_ALS算法实现用户音乐打分预测

很多人在决定是否看一部电影之前都会去豆瓣看下评分作为参考，看完电影也会给一个自己的分数。每个人对每个商品或者电影或是音乐都有一个心理的分数，这个分数标明用户是否对这个内容满意。

怼烎@/ 2022年12月31日 15:26/ 0 赞/ 126 阅读

相关基于ALS算法的简易在线推荐系统

继前期完成广义线性模型的在线流式机器学习的代码后，我们对spark的mllib中的推荐系统这一部分比较感兴趣，因为推荐系统这一部分在现实生活中也非常实用，尤其是基于地理位置的在

阳光穿透心脏的1/2处/ 2022年08月11日 16:44/ 0 赞/ 157 阅读

相关 ALE&IDoc一般流程

ALE/IDoc的实践性很强的技术，也就是说你做得越多，碰到的问题越多，提高也就越多，光是理论是没什么用得。所以先把一般配置一套ALE/IDoc的流程总结一下，

矫情吗；*/ 2022年07月05日 15:07/ 0 赞/ 148 阅读

相关 Spark ML -1：ALS推荐算法

矩阵分解推荐系统，最基本的一个数据就是，用户-物品的评分矩阵，如下图1所示 ![081318572153797.png][] 图1

迷南。/ 2022年06月17日 01:51/ 0 赞/ 140 阅读

相关协同过滤之ALS-WR算法

[协同过滤之ALS-WR算法][ALS-WR] 这篇文章是参考：https://github.com/ceys/jdml/wiki/ALS 改写的，由于原文Latex公式

快来打我*/ 2022年06月15日 10:19/ 0 赞/ 166 阅读

相关 ALS推荐算法

在完成基于大数据平台的图书馆推荐系统后，最近把学习的中心放在机器学习上面。在接下来的几个月中，希望自己能弄明白常见机器学习算法的原理，并且能在spark平台上进行实践。在我

深藏阁楼爱情的钟/ 2022年05月27日 01:25/ 0 赞/ 267 阅读

相关机器学习算法系列(4)--ALS

本文转载自：[endymecy|ALS][endymecy_ALS] 一、什么是ALS `ALS`是交替最小二乘（alternating least squares）的简称

谁践踏了优雅/ 2022年05月17日 10:52/ 0 赞/ 180 阅读