Подтвердить что ты не робот

Как увеличить матричные факторы в рекомендациях Spark ALS?

Я новичок в мире машинного обучения и использовании Apache Spark.
Я следил за учебником на https://databricks-training.s3.amazonaws.com/movie-recommendation-with-mllib.html#augmenting-matrix-factors и успешно работал над разработкой приложения. Теперь, поскольку требуется, чтобы сегодня веб-приложение нуждалось в поддержке рекомендаций в реальном времени, я хотел бы, чтобы моя модель была готова к новым данным, которые продолжают поступать на сервер. Сайт процитировал:

Лучший способ получить рекомендации для вас - сначала подготовить модель факторизации матриц, а затем увеличить модель с использованием ваших рейтингов.

Как мне это сделать? Я использую Python для разработки моего приложения. Кроме того, скажите, пожалуйста, как я смогу снова использовать модель, или идею, как я могу связать это с веб-службой. Благодарю вас

4b9b3361

Ответ 1

Я не думаю, что онлайн-обучение возможно для ALS в Spark. Это означает, что вы не можете обновлять модель при получении данных в реальном времени. Однако вы можете использовать модель для получения прогнозов.

Кроме того, обратитесь к: Как обновить Spark MatrixFactorizationModel для ALS