Pyspark.ml.Recommendation.als是否在引擎盖下创建一个枢轴表？

发布于 2025-02-03 00:21:21 字数 2336 浏览 2 评论 0 原文

ALS建议模型执行矩阵分解，其中将用户与潜在因素的项目分配。

A matrix of 3 users and 3 items would look like this:

users	item_1	item_2	item_3
user_1	NA	4	1
user_2	4	3	0
user_3	NA	1	NA

My dataframe starts such as:

users	items	rating
user_1	item_2	4
user_1	item_3	1
user_2	item_1	4
user_2	item_2	3
user_2	item_3	0
User_3	item_2	1

我的问题是，在将我的数据框架插入ALS模块之前，我是否需要以这样的方式进行转换，最后我将具有一个结构，例如：

用户	item ittem	corting等级
user_1	item_1	na
user_1	item_2	4
user_1	item_3	1
user_2	item_2	4
user_2	item_2	3
user_2 user_2	item_3	0
user_3 user_3	item_1	na
user_3	item_3	euser_3
na	item_3 item_3 na	或

will，在引擎盖下， ml.recommendation.als.als 函数函数创建与地方相关的观察值？例如：

用户	项目	评级
用户_1	item_1	na

如果不这样做，一种产生预期表的方法将是旋转它的，然后将其删除，但是它将产生非常巨大的用户矩阵与项目。但是，从中，似乎没有必要这个过程（枢轴，然后，undivot）。

原文

An ALS recommendation model performs a matrix factorization where it factorizes a matrix of users vs items in latent factors.

A matrix of 3 users and 3 items would look like this:

users	item_1	item_2	item_3
user_1	NA	4	1
user_2	4	3	0
user_3	NA	1	NA

My dataframe starts such as:

users	items	rating
user_1	item_2	4
user_1	item_3	1
user_2	item_1	4
user_2	item_2	3
user_2	item_3	0
user_3	item_2	1

My question is, before inserting my dataframe in ALS module, do I need to transform it in way where, at the end, I will have a structure such as:

users	items	rating
user_1	item_1	NA
user_1	item_2	4
user_1	item_3	1
user_2	item_1	4
user_2	item_2	3
user_2	item_3	0
user_3	item_1	NA
user_3	item_2	1
user_3	item_3	NA

Or, will, under the hood, ml.recommendation.ALS function create those observations related to the places without interactions? Such as:

users	items	rating
user_1	item_1	NA

If it does not, a way to produce the expected table, would be pivot it and then unpivot it, but it would produce a very huge matrix of users vs items. However, from the examples presented in the documentation, it seems that this process (pivot and then, unpivot) is not necessary.