今天來使用spark中的ALS演算法做一個小推薦。需要資料的話可以點選檢視，在文末點選閱讀原文即可獲取。

其實在R中還有一個包可以做推薦，那就是recommenderlab。如果資料量不大的時候可以使用recommenderlab包，之前也用該包做過（點選即可檢視）。如果資料量較大還是推薦使用spark來進行計算。

在spark中包含了許多機器學習演算法，其中就有一個推薦演算法，即ALS。

ALS演算法也就是協同過濾演算法，它是基於矩陣分解的協同過濾，何為矩陣分解？就是把一個評分矩陣A分解為兩個矩陣B,C。B*C=A。為什麼要進行分解？那是因為矩陣A是一個稀疏矩陣，分解之後的B,C矩陣相對能稠密一點。使用該演算法可以很方便的做一個推薦系統，核心程式碼只有三行。

一.讀取資料

moviedata<-read.table("u.data",header = FALSE,sep = "\t")

#這四列資料分別表示：使用者id，電影id，評分，時間戳
head(moviedata)#
   V1  V2 V3        V4
1 196 242  3 881250949
2 186 302  3 891717742
3  22 377  1 878887116
4 244  51  2 880606923
5 166 346  1 886397596
6 298 474  4 884182806
# 刪除第四列
moviedata<-moviedata[,-4]
#重新命名列
 
colnames(moviedata)<-c("userid","itemid","rating")

連線到spark

library(sparklyr)
library(dplyr)
sc <- spark_connect(master = "local")

二. 推薦

前面那些都是準備工作，現在就來實現推薦部分，真的只需三行程式碼。

#1 儲存到spark中
moviedataSpark<-copy_to(sc,moviedata,overwrite = TRUE )
#2 建立模型
moviedata_model<-ml_als_factorization(moviedataSpark,rating_col="rating"
 
,
                                     user_col="userid",item_col="itemid")
summary(moviedata_model)#此句是檢視模型屬性#每個使用者推薦2個
#3 生成推薦結果
movie_recommend<-ml_recommend(moviedata_model,type = c("items"),n=2)
> movie_recommend
# Source:   table<sparklyr_tmp_9fd405a6463> [?? x 4]# Database: spark_connection
   userid recommendations itemid rating
    <int> <list>           <int>  <dbl> 
 1     12 <list [2]>        1450   5.32
 2     12 <list [2]>         113   5.17
 3     13 <list [2]>        1643   5.59
 4     13 <list [2]>         814   4.87
 5     14 <list [2]>        1367   5.18
 6     14 <list [2]>        1463   5.17
 7     18 <list [2]>        1449   4.86
 8     18 <list [2]>        1642   4.78
 9     25 <list [2]>        1643   4.80
10     25 <list [2]>        1449   4.70
# ... with more rows

是不是三句程式碼就搞定了。沒騙人吧。從結果可以看到給使用者id為12的使用者推薦的是1450和113.在這裡ALS演算法其他引數給的都是預設值，可以通過不斷調整引數來優化我們的模型。

三.模型評估

模型生成之後需要對模型進行評估，我們可以使用RMSE方法進行模型計算評估，它的計算公式如下：

不過要在之前我們需要知道使用者對電影的預測評分，然後根據預測評分和實際評分來計算出RMSE結果。獲取預測評分可以使用transform方法，如果你想要更多的瞭解transform方法，可以開啟：http://spark.apache.org/docs/latest/ml-collaborative-filtering.html進行檢視官方文件說明。

#評分預測
#invoke用於呼叫java物件方法
movie_prediction<-moviedata_model$.jobj%>%invoke("transform",spark_dataframe(moviedataSpark))%>%collect()
> movie_prediction 
#預測結果
# A tibble: 100,000 x 4
   userid itemid rating prediction
    <int>  <int>  <int>      <dbl> 1     13     12      5       3.83
 2     14     12      5       4.47
 3     18     12      5       4.21
 4     73     12      5       4.28
 5    109     12      4       3.70
 6    110     12      4       3.40
 7    115     12      5       4.57
 8    130     12      4       4.85
 9    135     12      4       4.21
10    177     12      5       4.32
# ... with 99,990 more rows#模型評估

model_RMSE<-sqrt(mean((movie_prediction$rating-movie_prediction$prediction)^2))

在計算模型時，引數給的都是預設值，此時model_RMSE=0.7725977。該值越小，說明該模型越好。
現在修改引數，當把引數調整為：reg_param=0.05,max_iter = 20L,alpha=2

model_RMSE等於0.7123907.比預設時的值小了0.06，就這樣通過不斷優化調整引數來使得模型最優。

轉載請註明：

作者：王亨

公眾號：跟著菜鳥一起學R語言

原文連結：http://blog.csdn.net/wzgl__wh