ALS演算法 （面試準備）

標籤：推薦   nbsp   等於   獨立   準備   有一個   描述   目標   隱藏   

ALS演算法描述：

1、ALS演算法用來補全使用者評分矩陣。由於使用者評分矩陣比較稀疏，將使用者評分矩陣進行分解，變成V和U的乘積。通過求得V和U兩個小的矩陣來補全使用者評分矩陣。

2、ALS演算法使用交替最小二乘法來進行求解。

3、ALS分為顯示反饋和隱式反饋兩種。顯示反饋是指使用者有明確的評分。對於商品推薦來說，大部分是通過使用者的行為，擷取隱式反饋的評分。

隱式反饋評分矩陣需要進行處理，如果有使用者評分則置為1，沒有則賦值為0。但是對這個處理後的評分矩陣，再有一個信賴度來評價這個評分。信賴度等於1+a*使用者真實評分

4、ALS的代價函數是估計值和現有的評分值誤差的平方和，引入了L2正則

 

ALS演算法參數：

參數：rating：由使用者-物品矩陣構成的訓練集rank：隱藏因子的個數numIterations: 迭代次數lambda：正則項的懲罰係數alpha： 置信參數 

ALS交替最小二乘法求解步驟：

最小二乘法是通過最小化誤差的平方和來尋找和資料最匹配的函數。

使用交替最小二乘法來求解。步驟是先設定一個X規定，然後求解另一個矩陣Y。然後再固定一個矩陣Y，求解另一個矩陣X。這就是交替二乘法的步驟。

在矩陣求解的過程中，比如固定Y，求解X的話，目標評分矩陣A。X的每一行可以獨立求解，X的第i行和Y的計算得到A的第i行。

這樣的話，對於每一步來說，X或者Y的行或者列都是可以獨立並行求解的。這樣ALS就可以進行並行化計算了。

 

ALS演算法 （面試準備）