在我的训练数据集上执行fit（）时，我得到一个Spark异常。 例外情况下，没有足够的信息让我破译该问题。
我遵循了一个使用该公式找到的示例（体重-体重平均值）/体重标准偏差。该值放在名为weight_scaled的列中。 这是我的训练数据集的一部分：
+ ------ + ------- + ------- + ----------------- + ----- ------------ + ------------------- + | UserId | VideoId |重量| mean_weight | stddev_weight |体重秤| + ------ + ------- + ------- + ----------------- + -------- --------- + ------------------- + | 0 | 2 | 163267 | 602429.5707184518 | 345923.7772489472 | -1.2695356595924439 | | 0 | 3 | 794447 | 602429.5707184518 | 345923.7772489472 | 0.5550859521962296 | | 1 | 1 | 851589 | 602429.5707184518 | 345923.7772489472 | 0.7202726313381991 | | 2 | 2 | 986385 | 602429.5707184518 | 345923.7772489472 | 1.1099422894114366 | | 2 | 3 | 2461 | 602429.5707184518 | 345923.7772489472 | -1.734395292193745 |
我的代码是： ALS ALS =新ALS（） .setMaxIter（5） .setRegParam（0.01） .setUserCol（“ UserId”） .setItemCol（“ VideoId”） .setImplicitPrefs（true） .setRatingCol（“ weight_scaled”）;
ALSModel模型= als.fit（训练）;
例外是：
org.apache.spark.ml.optim.SingularMatrixException：LAPACK.dppsv返回7，因为A不是正定的。 A是从奇异矩阵（例如共线列值）派生的吗？ 在org.apache.spark.mllib.linalg.CholeskyDecomposition $ .checkReturnValue（CholeskyDecomposition.scala：65）〜[spark-mllib_2.11-2.3.1.jar：2.3.1]