从pyspark矩阵分解模型中检索潜在因子

Question

Spark和PySpark的新手。

我正在关注协作过滤教程here。

我能够训练模型。但是，我不知道如何访问与用户和产品相对应的潜在因素（向量）。

从上面的链接重现代码的顶部：

from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel, Rating

# Load and parse the data
data = sc.textFile("data/mllib/als/test.data")
ratings = data.map(lambda l: l.split(','))\
    .map(lambda l: Rating(int(l[0]), int(l[1]), float(l[2])))

# Build the recommendation model using Alternating Least Squares
rank = 10
numIterations = 10
model = ALS.train(ratings, rank, numIterations)

如何从model中提取潜在因素？

Answer 1

尝试：

model.productFeatures()

和

model.productFeatures()