Apache Spark Mllib 中 ALS 机器学习算法的排名是多少
What is rank in ALS machine Learning Algorithm in Apache Spark Mllib
我想尝试一个 ALS 机器学习算法的例子。我的代码工作正常，但是我不明白算法中使用的参数 rank。
我在 java
中有以下代码
// Build the recommendation model using ALS
int rank = 10;
int numIterations = 10;
MatrixFactorizationModel model = ALS.train(JavaRDD.toRDD(ratings),
rank, numIterations, 0.01);
我读过一些内容，它是模型中潜在因子的数量。
假设我有一个包含 100 行的 (user,product,rating) 数据集。 rank（潜在因素）的值应该是多少。
正如您所说，排名是指假定的潜在或隐藏因素。例如，如果您测量不同的人喜欢电影的程度并尝试交叉预测它们，那么您可能有三个字段：人物、电影、明星数量。现在，假设你无所不知，你知道绝对真理，你知道事实上所有的电影评级都可以通过 3 个隐藏因素（性别、年龄和收入）完美预测。在那种情况下，你的 运行 的 "rank" 应该是 3.
当然，您不知道有多少潜在因素（如果有的话）驱动您的数据，因此您必须猜测。使用得越多，在某种程度上结果越好，但需要的内存和计算时间也越多。
一种工作方式是从 5-10 的排名开始，然后增加它，一次说 5，直到你的结果停止改善。这样您就可以通过实验确定数据集的最佳排名。
我想尝试一个 ALS 机器学习算法的例子。我的代码工作正常，但是我不明白算法中使用的参数 rank。
我在 java
中有以下代码 // Build the recommendation model using ALS
int rank = 10;
int numIterations = 10;
MatrixFactorizationModel model = ALS.train(JavaRDD.toRDD(ratings),
rank, numIterations, 0.01);
我读过一些内容，它是模型中潜在因子的数量。
假设我有一个包含 100 行的 (user,product,rating) 数据集。 rank（潜在因素）的值应该是多少。
正如您所说，排名是指假定的潜在或隐藏因素。例如，如果您测量不同的人喜欢电影的程度并尝试交叉预测它们，那么您可能有三个字段：人物、电影、明星数量。现在，假设你无所不知，你知道绝对真理，你知道事实上所有的电影评级都可以通过 3 个隐藏因素（性别、年龄和收入）完美预测。在那种情况下，你的 运行 的 "rank" 应该是 3.
当然，您不知道有多少潜在因素（如果有的话）驱动您的数据，因此您必须猜测。使用得越多，在某种程度上结果越好，但需要的内存和计算时间也越多。
一种工作方式是从 5-10 的排名开始，然后增加它，一次说 5，直到你的结果停止改善。这样您就可以通过实验确定数据集的最佳排名。