Spark中的ALS module假定数据采用(user, product, rating)元组的形式。使用implicitPrefs=True时，评级被认为是隐含评级，因此等于0的评级具有特殊含义，不会被视为未知。如Hu et al (2008)所述，隐式评级被ALS用作权重。使用隐式评级时，＆＃34;缺失＆＃34;评分need to be passed directly to the algorithms as zeros。
我的问题是：ALS模块是否需要用户提供＆＃34;缺失＆＃34;隐式评级为零，还是自动用零填充缺失的单元格？
举个例子，假设我有三个用户，三个产品及其评级（使用(user, product, rating)格式）：
(1, 1, 2)
(1, 2, 1)
(2, 2, 3)
(3, 1, 1)
(3, 3, 2)
因此，用户1没有对产品3进行评级，用户2没有评价1和2，等等。我可以将这些数据直接传递给ALS吗？或者，我是否必须扩展它所有3 * 3种可能的组合，其中未评级产品的评级为零，即
(1, 1, 2)
(1, 2, 1)
(1, 3, 0)
(2, 1, 0)
(2, 2, 3)
(2, 3, 0)
(3, 1, 1)
(3, 2, 0)
(3, 3, 2)
答案 0 :(得分：1)
这可能不被视为答案。
当然，无论是隐含的还是明确的，您都不需要传递缺失的评分。
火花的优势之一是使用稀疏矩阵表示来计算预测矩阵。
如果您想了解更多关于稀疏矩阵的信息，可以查看以下链接：
What are sparse matrices used for ? What is its application in machine learning ?
免责声明：我是该链接中答案的作者。