Spark ALS 推荐系统的价值预测大于 1

Question

我在 Spark（推荐系统算法）中使用 ALS 算法（implicitPrefs = True）。通常，运行此算法后，预测值必须从 0 到 1。但我收到的值大于 1

    "usn" : 72164,
    "recommendations" : [ 
        {
            "item_code" : "C1346",
            "rating" : 0.756096363067627
        }, 
        {
            "item_code" : "C0117",
            "rating" : 0.966064214706421
        }, 
        {
            "item_code" : "I0009",
            "rating" : 1.00000607967377
        }, 
        {
            "item_code" : "C0102",
            "rating" : 0.974934458732605
        }, 
        {
            "item_code" : "I0853",
            "rating" : 1.03272235393524
        }, 
        {
            "item_code" : "C0103",
            "rating" : 0.928574025630951
        }
    ]

我不明白为什么或什么是评级值大于 1（“评级”：1.00000607967377 和 “评级”：1.03272235393524）

一些类似的问题，但我还是不明白：MLLib spark -ALStrainImplicit value more than 1

谁能帮我解释一下异常值

Answer 1

别担心！ ALS 没有任何问题。

尽管如此，ALS 返回的预测分数与 Apache Spark 的隐式反馈并没有像您看到的那样进行标准化以适应 [0,1] 之间。有时您甚至可能会得到负值。 （更多关于here。）

ALS 使用随机梯度下降和近似来计算（和重新计算）每一步的用户和项目因子，以最小化允许扩展的成本函数。

事实上，标准化这些分数并不重要。这样做的原因实际上是这些分数本身并没有多大意义。

您不能在这些分数上对每个示例使用 RMSE 来评估您的建议的效果。如果你有兴趣评估这类推荐人，我建议你阅读我在How can I evaluate the implicit feedback ALS algorithm for recommendations in Apache Spark?上的回答

研究或/和行业中使用了许多技术来处理此类结果。例如，您可以使用threshold 来二值化 预测。