如何在 Spark ALS 推荐器中增加矩阵因子？ [复制]答案

【问题标题】：How to augment matrix factors in Spark ALS recommender? [duplicate]如何在 Spark ALS 推荐器中增加矩阵因子？ [复制]
【发布时间】：2019-05-21 04:22:52
【问题描述】：

我是机器学习领域和 Apache Spark 使用的初学者。
我已按照https://databricks-training.s3.amazonaws.com/movie-recommendation-with-mllib.html#augmenting-matrix-factors 的教程进行操作，并成功地开发了该应用程序。现在，由于今天的 Web 应用程序需要由实时推荐提供支持，我希望我的模型能够为不断出现在服务器上的新数据做好准备。该网站已引用：

为您获得建议的更好方法是首先训练矩阵分解模型，然后使用您的评分来扩充模型。

我该怎么做？我正在使用 Python 开发我的应用程序。另外，请告诉我如何持久化模型以再次使用它，或者告诉我如何将它与 Web 服务接口。谢谢你

【问题讨论】：

是的，我也知道怎么做，特别是在 python 中，你运气好吗？
@AnishM 你找到关于这个的教程了吗？
如果您正在寻找模型持久性，请参见此处：databricks.com/blog/2016/05/31/…
我已将此帖子标记为重复 - 希望这会使其获得更多曝光，从而获得答案。
另见：stackoverflow.com/questions/41537470/…

标签： python machine-learning apache-spark

【解决方案1】：

我认为 Spark 中的 ALS 无法进行在线学习。这意味着您无法在实时获取数据的同时更新模型。但是，您可以使用该模型来获得预测。

另外，请参阅： How to update Spark MatrixFactorizationModel for ALS

【讨论】：