我试图使用ALS来训练我的数据集以找到潜在因子。我的数据集是隐式评级的。

详细来说，我的数据库包含三列：用户，项目（仓库）和评级（星级数量，隐式评级）：

from pyspark.ml.recommendation import ALSlines = spark.read.text("Dataset.csv").rddparts = lines.map(lambda row: row.value.split(","))ratingsRDD = parts.map(lambda p: Row(userId=int(p[1]),repoId=int(p[2]),repoCount=float(p[3])))ratings = spark.createDataFrame(ratingsRDD)model = ALS.trainImplicit(ratings, rank=5,lambda_=0.01, alpha = 1.0, iterations =5)

我遇到了以下错误：

AttributeError: type object 'ALS' has no attribute 'trainImplicit'

回答：

您试图使用旧版Spark MLLib ALS的语法（它适用于RDD，而非数据框）来操作新版的Spark ML ALS，后者确实没有trainImplicit属性（文档）。

您可以尝试如下操作：

als = ALS(rank=5, maxIter=5, alpha = 1.0, implicitPrefs=True, seed=0)model = als.fit(ratings)

前提是您的项目位于名为item的列中，而评级位于rating列中 – 请查看文档以获取更多详细信息、参数设置选项和示例。