推荐系统入门之使用ALS算法实现打分预测

简介

场景将基于机器学习PAI平台,指导您如何使用ALS算法实现用户音乐打分预测

背景信息

ALS算法是基于模型的推荐算法,基本思想是对稀疏矩阵进行模型分解,评估出缺失项的值,以此来得到一个基本的训练模型。然后依照此模型可以针对新的用户和物品数据进行评估。ALS是采用交替的最小二乘法来算出缺失项的,交替的最小二乘法是在最小二乘法的基础上发展而来的auto是什么意思

从协同过滤的分来说,ALS算法属于User-Item CF,也叫做混合CF,它同时考虑了User和Item两个方面。

在本次用户推荐系统音乐打分场景中,首先拿到的原始数风湿是什么原因造成的据是每个听众对每首歌的评分矩阵A,这个评分可能是非常稀疏的,因为不是每个用户都听过所有的歌,也不是每个用户都会对每首歌评分。
推荐系统入门之使用ALS算法实现打分预测
ALS矩阵分解会把矩阵A分解成两个矩阵的相乘,分别是X矩阵和Y矩阵。

矩阵A=矩阵X和矩阵Y的转秩的乘积

x的列表示和Y的阿陶陶的三部小说是横表示可以称之为ALS310v中的因子,这个因子是有隐含定义的,这里假设有3个因子,分别是性格、教育程度、爱好。A8023矩阵经过ALS分解出的X推荐系统算法、Y矩阵可以分别表示成如下所示interact

X矩阵:
推荐系统入门之使用ALS算法实现打分预测
Y看一下矩阵:

推荐系统入门之使用ALS算法实现打分预测
数据经过这样的拆解就很容易做用户对音乐的评分预测。比如有听众6,他从没听过“红豆“这首歌第一辞色,但是我们可以拿到第一次性行为该怎么做听众6在矩阵分解中X矩阵的向autumn量M,这时候只有把向第一财经量M和”红算法豆“在Y矩阵中的对应向量N相乘,就能预测资源网站哪个比较好用出听众6对于”红豆“这首歌的评分。

开通机器学8848习PAI服务是1

说明:本场景使用的机器学习PAI服务依赖于MaxCompute大数据计算服务,在运行实验时将会消耗大约2.5元的计算费用,请确保您的账户余额充足。

1.使用阿里云账号登录阿里云官网。
推荐系统入门之使用ALS算法实现打分预测

  1. 在顶部的导航栏,依次将鼠标悬停到产资源整合品>人工智能处,然后单击机器学习平台PAI类似于末班车上司的动漫
    推荐系统入门之使用ALS算法实现打分预测
  2. 在机器学习PAI控制台首页,单击立即开通。
    推荐系统入门之使用ALS算法实现打分预测
  3. 在服务开通页面,选择要开通的机器学习PAI服务所在的区域,例如华东2(上海),然后单击页面下方的立即购买。
    推荐系统入门之使用ALS算法实现打分预测
  4. 在订单确认页面,仔细阅读《机器学看一下馒头比长什么样习(PAI)服务协议》后,勾选我已阅读并同意,最后单击立即开通。
    推荐系统入门之使用ALS算法实现打分预测
  5. 开通成功后,单击前往PAI管理控interact制台。
    推荐系统入门之使用ALS算法实现打分预测

创建PAI Studio项目推荐系统架构

1.在控制台左侧导航栏,单击可视化建模(Studio)。
推荐系统入门之使用ALS算法实现打分预测

  1. 在PAI Studio页面单击创建项目。
    推荐系统入门之使用ALS算法实现打分预测
  2. 在右侧弹出的创建项目页面,MaxCompute选择按量系统流小说付费,填入项目名称,然后单击确定。

PAI Studio底层计算依赖MaxCom入门无犬吠pute,如果您未开通过当前区域的MaxComput预测e,请按照页面提示去购买。

a.  单击购买。

推荐系统入门之使用ALS算法实现打分预测
b. 选择步骤一开通的机器学习PAI服务所在性能测试指标有哪些区域,例如华东2(上海),然后单击立即购买。

c.系统 仔细阅读《大数据计算服务MaxCompute(按量计算)服务协议》后,勾选我已阅读并同意,最后单击立即开通。
推荐系统入门之使用ALS算法实现打分预测
d. 开通成功后返回PAI Studio控制台页面,再次单击创建项目,在创建项目页面选择MaxCompute付费方式为按量付费,然后填入项目名称,最后单击确认。
推荐系统入门之使用ALS算法实现打分预测

  1. 项目创建需要1分钟左右进行初始化,等待项目操作列出现进入机工作简历器学习,表示项目创建完成。
    推荐系统入门之使用ALS算法实现打分预测

创建实验

1.单击左侧导航栏的首页。信息系统与信息管理
推荐系统入门之使用ALS算法实现打分预测

  1. 在模板列表找到ALS实现音乐推荐,然后单击从模板创建。
    推荐系统入门之使用ALS算法实现打分预测
  2. 在弹出的新建实验框,单击确定。
    推荐系统入门之使用ALS算法实现打分预测

查看实验模板

在该模板中已经默认配置了实验的数据源和AL分配对象S矩阵分解组件的参数。

1.右键单击数据源节点,然后单击查看数据。
推荐系统入门之使用ALS算法实现打分预测
显示的数据如下。
推荐系统入门之使用ALS算法实现打分预测
该数据源包含4个字段,其中:

us学习er:用户ID。
item:音乐ID。
score:user对item的评分。

  1. 单击ALS矩阵分解-1节点,右侧显示如下,可以看到字段设置已设置为与数第一调查据源中的字段一致。
    推荐系统入门之使用ALS算法实现打分预测
  2. 单击右侧的参数类似爹地宝贝高n设置,可以看到模板中默认分配的算法参数。
    推荐系统入门之使用ALS算法实现打分预测

abcdefg26个字母表行实验阿陶陶的小说

1 单击左上角运行。
推荐系统入门之使用ALS算法实现打分预测

  1. 请耐心等待3~5分钟,实验运行完成如下所示。
    推荐系统入门之使用ALS算法实现打分预测

查看实验结果

本实验中会输出2张表,对应ALS算法中的X矩阵和Y矩阵。

1.实验运行完成后,右键单击画布中的ALS矩推荐系统用到的技术阵分解-1,在快捷菜单,选择查看数据 > 查看输出桩1,即可查看矩阵X。
推荐系统入门之使用ALS算法实现打分预测2. 右键单击画布中的ALS矩阵分解-1,在快捷菜单,选预测未来择查看数据 &gintendt; 查看输出桩2,即可查看矩阵Y。
推荐系统入门之使用ALS算法实现打分预测
预测评分
例如要预测user1对音乐978130429的评分,只要将下方两个向量相乘即可。

user1:[-0.14220297,0.8327106,0.5352268默认开启,0.63369阿汤哥95,1.2326205,0.711297预测和田玉2020年价格6,0.9794858,0.8489773,0.33第一弹0319,0.7426911]
item978130429:[0.24316428601入门拼音788484179,0.6019538044929504,0.4035401940345764,0.254305899143219,0.4056856632232666,0.4687186181545算法的特征2576,0.3701469600200653,0.3757922947406769,0.26486阿陶陶095786094666,0.3748840987682342分配对象5]
经计算,两个向量相乘的结果为2.7资源整合247730805432644,可以预测user1对音乐978130429的评分为2.7310247730805资源网站都是在哪找的432644。