我正在按照文档示例构建一个推荐系统，我创建ALS构造函数一切正常

 val als = new ALS()  .setMaxIter(maxIterations)  .setRegParam(regressionParam)  .setUserCol("user_id")  .setItemCol("item_id")  .setRatingCol("rating")val model = als.fit(trainData)val predictions = model.transform(testData)println("predictions"+predictions.show(80))val evaluator = new RegressionEvaluator()  .setMetricName("rmse")  .setLabelCol("rating")  .setPredictionCol("prediction")val rmse = evaluator.evaluate(predictions)println(s"Root-mean-square error = $rmse")predictions

我训练了模型，设置了一切，但我的主要问题是，我可以用测试数据进行预测，这会为我传入的每个项目ID返回预测因子，但我实际上需要的是模型能够根据用户ID向我推荐项目，而不是通过添加预测列来预测某个项目ID的适合程度。org.apache.spark.ml.recommendation.ALS能够做到这一点吗？

回答：

目前，要为用户ID为1的用户推荐10个顶级项目，您必须做类似以下的事情：

val predictionsForUser1 = predictions    .where(col("user_id") === 1)    .orderBy(col("predictions").desc)    .limit(10)

在未来的Spark版本中，这将以更用户友好的方式实现