Apache Spark MLlib

概述

Apache Spark 的机器学习库，将 ALS 优化的矩阵分解作为标准推荐算法实现，推动了矩阵分解在工业界的广泛部署。

关键内容

1. 矩阵分解实现：ALS（交替最小二乘法）优化的矩阵分解成为了 Apache Spark MLlib 等大数据框架的标准推荐算法实现。
2. 工业部署：Spark MLlib 的矩阵分解实现因其可扩展性和易用性，被大量企业用于生产环境的推荐系统部署。
3. ALS 优势：ALS 天然适合并行化（固定 Q 时每个用户的 p_u 可独立求解），非常适合 Spark 的分布式计算架构。

来源

• 04-matrix-factorization-for-recsys.md — 深度解读 Matrix Factorization Techniques for Recommender Systems

相关

• 矩阵分解 — 实现的算法
• 交替最小二乘法 ALS — 使用的优化方法