pyspark - 使用 ML spark 和数据帧进行隐式推荐

Question

我正在尝试使用带有 Spark 和 Dataframes 的新 ML 库来构建具有隐式评级的推荐器。我的代码

from pyspark import SparkContext
from pyspark.sql import SQLContext
from pyspark.sql import Row 

from pyspark.ml.recommendation import ALS

sc = SparkContext()
sqlContext = SQLContext(sc)

# create the dataframe (user x item)
df = sqlContext.createDataFrame(
    [(0, 0), (0, 1), (1, 1), (1, 2), (2, 1), (2, 2)],
    ["user", "item"])
als = ALS() \
    .setRank(10) \
    .setImplicitPrefs(True)
model = als.fit(df)
print "Rank %i " % model.rank

model.userFactors.orderBy("id").collect()
test = sqlContext.createDataFrame([(0, 2), (1, 0), (2, 0)], ["user", "item"])
predictions = sorted(model.transform(test).collect(), key=lambda r: r[0])
for p in predictions: print p

但是，我在这个错误中运行

pyspark.sql.utils.AnalysisException：无法解析给定输入列用户、项目的“评级”；

所以，不知道如何定义数据框

Answer 1

看来您正在尝试使用 (user, product) 元组，但您需要 (user, product, rating) 三元组。即使对于隐式评级，您也确实需要评级。如果它们都相同，您可以使用像 1.0 这样的常量。

Answer 2

我很困惑，因为 MLLIB API 有一个单独的隐式 API 调用

http://spark.apache.org/docs/latest/mllib-collaborative-filtering.html

val alpha = 0.01
val lambda = 0.01
val model = ALS.trainImplicit(ratings, rank, numIterations, lambda, alpha)