我正在尝试使用ALS，但目前我的数据仅限于用户购买的信息。因此，当用户X购买项目Y（并且仅提供给该算法的此类信息）时，我试图从Apache Spark填充ALS，评级等于1（一）。
我正在尝试学习它（将数据划分为训练/测试/验证）或者只是尝试了解所有数据，但最后我得到的预测值与任何一对用户项目的值非常相似（值差别于逗号后面的第5或第6位，如0,86001和0,86002）。
我正在考虑这个问题，也许是因为我只能提供等于1的等级，所以ALS不能在这种极端情况下使用吗？
是否有任何评级技巧，所以我可以用来解决这个问题（我只有关于买了什么的信息 - 以后我会得到更多的数据，但是在某个时刻我必须使用某种协作过滤，直到我将获得更多数据 - 换句话说，我需要在启动页面上向用户显示某种建议我选择ALS作为启动页面但是我可能使用其他东西，究竟是什么？“
当然，我正在改变迭代，lambda，rank等参数。
答案 0 :(得分：1)
在这种情况下，关键是您必须使用trainImplicit，这会忽略Rating的值。否则，你会要求它在一个每个人评价一切的世界中预测评分1.正确的答案总是1，所以你所有的答案都是相似的。