为什么 spark-ml ALS 模型 returns NaN 和负数预测？

Why does spark-ml ALS model returns NaN and negative numbers predictions?

实际上，我正在尝试将 spark-ml 中的 ALS 与隐式评分一起使用。

我注意到我训练的模型给出的一些预测是 negative 或 NaN，这是为什么？

Apache Spark 提供了在 ALS 上强制执行 非负约束 的选项。

因此，要删除这些负值，您只需设置：

Python:

nonnegative=True

Scala: 

setNonnegative(true)

创建 ALS 模型时，即：

>>> als = ALS(rank=10, maxIter=5, seed=0, nonnegative=True)

非负矩阵分解（NMF或NNMF），也称为非负矩阵逼近，是多元分析和线性代数中的一组算法，其中矩阵V 被（通常）分解为两个矩阵 W 和 H，其中 和 属性 所有三个矩阵都具有非负元素 [Ref. Wikipedia].

如果您想了解更多关于 NMF 的信息，我建议您阅读以下论文：

至于 NaN 值，通常是由于拆分数据集，如果训练集中不存在项目或用户，而测试中只存在该问题，则可能会导致看不见的项目或用户放。如果您交叉验证您的训练，也可能会发生这种情况。就此而言，有几个标记为 resolved for 2.2 的 JIRA：

最新版本将允许您设置冷启动策略以在创建模型时使用。