我正在尝试使用 ALS，但目前我的数据仅限于有关用户购买内容的信息。因此，当用户 X 购买项目 Y 时，我试图从 Apache Spark 填充 ALS，其评级等于 1（一）（并且只有我提供给该算法的此类信息）。
我试图学习它（将数据划分为训练/测试/验证），或者只是试图学习所有数据，但最后我得到的预测值对于任何一对用户项都极其相似（在第 5 或第 6 时有差异的值放在逗号之后，例如 0,86001 和 0,86002）。
我正在考虑这个问题，也许是因为我只能提供等于 1 的评级，所以 ALS 不能在这种极端情况下使用吗？
评级有什么技巧，所以我可以用来解决这样的问题（我只有关于购买什么的信息 - 稍后我将获得更多数据，但有一刻我必须使用某种协作过滤，直到我获得更多数据 - 换句话说，我需要在启动页面上向用户展示某种推荐我选择 ALS 作为启动页面，但也许我使用了其他东西，究竟是什么）？
当然，我正在更改迭代、lambda、等级等参数。