肌萎缩性侧索硬化症¶
-
类
pyspark.mllib.recommendation。肌萎缩性侧索硬化症¶ -
交替最小二乘矩阵分解
方法
火车(评分,排名(迭代、lambda_…))火车一个矩阵分解模型给定用户评级的抽样产品的一个子集。
trainImplicit(评分,排名[、迭代…])火车一个矩阵分解模型给出一个抽样的内隐偏好的用户对产品的一个子集。
方法的文档
-
classmethod
火车( 评级:联盟(pyspark.rdd.RDD(pyspark.mllib.recommendation.Rating],pyspark.rdd.RDD(元组(int,int,浮动]]],排名:int,迭代:int=5,lambda_:浮动=0.01,块:int=- 1,非负:bool=假,种子:可选(int]=没有一个 )→pyspark.mllib.recommendation.MatrixFactorizationModel ¶ -
火车一个矩阵分解模型给定用户评级的抽样产品的一个子集。评级矩阵近似作为给定的两个低等级的乘积矩阵秩(特性)的数量。迭代解出这些特性,ALS运行可配置程度的并行性。
- 参数
-
-
评级
pyspark.RDD -
抽样的评级或(userID, productID,评级)元组。
- 排名 int
-
使用数量的特性(也称为潜在因素的数量)。
- 迭代 int,可选
-
ALS的迭代次数。(默认值:5)
- lambda_ 浮动,可选
-
正则化参数。(默认值:0.01)
- 块 int,可选
-
数量的块用于并行化计算。1的值将使用一个自动配置块的数量。(默认值:1)
- 非负 bool,可选
-
真正能解决的价值与nonnegativity约束最小二乘。(默认值:False)
- 种子 bool,可选
-
随机种子初始矩阵分解模型。的值都将使用系统时间作为种子。(默认值:无)
-
评级
-
classmethod
trainImplicit( 评级:联盟(pyspark.rdd.RDD(pyspark.mllib.recommendation.Rating],pyspark.rdd.RDD(元组(int,int,浮动]]],排名:int,迭代:int=5,lambda_:浮动=0.01,块:int=- 1,α:浮动=0.01,非负:bool=假,种子:可选(int]=没有一个 )→pyspark.mllib.recommendation.MatrixFactorizationModel ¶ -
火车一个矩阵分解模型给出一个抽样的内隐偏好的用户对产品的一个子集。评级矩阵近似作为给定的两个低等级的乘积矩阵秩(特性)的数量。迭代解出这些特性,ALS运行可配置程度的并行性。
- 参数
-
-
评级
pyspark.RDD -
抽样的评级或(userID, productID,评级)元组。
- 排名 int
-
使用数量的特性(也称为潜在因素的数量)。
- 迭代 int,可选
-
ALS的迭代次数。(默认值:5)
- lambda_ 浮动,可选
-
正则化参数。(默认值:0.01)
- 块 int,可选
-
数量的块用于并行化计算。1的值将使用一个自动配置块的数量。(默认值:1)
- α 浮动,可选
-
一个常数计算中使用的信心。(默认值:0.01)
- 非负 bool,可选
-
真正能解决的价值与nonnegativity约束最小二乘。(默认值:False)
- 种子 int,可选
-
随机种子初始矩阵分解模型。的值都将使用系统时间作为种子。(默认值:无)
-
评级
-
classmethod