什么是Apache Spark Mllib中ALS機器學習算法的排名

Question

我想嘗試一下ALS機器學習算法的例子。 我的代碼工作正常，但我不理解算法中使用的參數rank 。

我在java中有以下代碼

    // Build the recommendation model using ALS
    int rank = 10;
    int numIterations = 10;
    MatrixFactorizationModel model = ALS.train(JavaRDD.toRDD(ratings),
            rank, numIterations, 0.01);

我已經閱讀了一些內容，它是模型中潛在因素的數量。

假設我有一個包含100行的（用戶，產品，評級）數據集。 什么價值應該是rank （潛在因素）。

Answer 1

如你所說，等級是指假定的潛在或隱藏因素。 例如，如果您正在測量不同的人喜歡電影並試圖對它們進行交叉預測，那么您可能會有三個字段：人物，電影，星星數量。 現在，讓我們說你是無所不知的，你知道絕對真理，你知道事實上所有的電影評級都可以通過3個隱藏因素，性別，年齡和收入來完美預測。 在這種情況下，你的跑步的“等級”應為3。

當然，您不知道有多少潛在因素（如果有的話）驅動您的數據，因此您必須猜測。 您使用的越多，結果越好，但您需要的內存和計算時間就越多。

一種工作方式是從5-10開始，然后增加它，一次說5，直到你的結果停止改善。 這樣，您可以通過實驗確定數據集的最佳排名。