【问题标题】：Tuning Hyper Parameters ALS Model调整超参数 ALS 模型
【发布时间】：2018-07-24 14:00:12
【问题描述】：
我正在调整隐式 ALS 模型。在超参数中：rank、maxiter、regParam、alpha、numItemBlocks、numUserBlocks，是否有任何通常可以最大程度提高准确性的关键参数？是否存在已知工作良好的值范围？我在scala工作有没有一个普遍使用的gridsearch过程，（我对python比较熟悉。）
【问题讨论】：
标签：
scala
apache-spark-ml
matrix-factorization
【解决方案1】：
这是我的 2 美分：
在这三个超参数中，排名是最重要的一个，因为它决定了用于对产品和用户特征进行建模的潜在因素。根据我的经验，50-200 之间的值几乎适用于所有情况。超过 200 就变得矫枉过正了。
由于 ALS 收敛速度非常快，因此通常无需将 maxiter 参数更改为超出某个值。除非您的正则化参数 (regparam) 很高，否则 200 的值对于大多数数据集应该足够了。在这种情况下，您可能需要更多。
regparam 的默认值 0.1 在大多数情况下都适用，无需更改。您可以对此参数进行网格搜索以确定是否愿意。