個性推薦算法的Spark和Tensorflow實現對比

個性推薦算法說的不少了，經常使用的模型是：

U*V= Q

其中Q是評分表，通常共3列：用戶id，物品id，評分值

U是用戶特徵表，V是物品特徵表。

算法的最終目標就是從Q算出U和V。那麼Spark Mllib裏有ALS算法能夠作矩陣分解，其基本原理是最小交叉二乘法，用到了Breeze庫的矩陣函數庫。所謂交叉二乘就是輪流固定U或V，來算出V或U。好比第一輪固定U，來算出V，第二輪固定算出的V，來算出U。直到最後偏差收斂。

Spark裏主要是用RDD框架來對數據分塊計算，達到並行的特色。

而Tensorflow裏用深度學習的方法來實現矩陣分解就更簡便了，其基本原理是根據U*V和Q的差值來自動優化，深度學習的特色就是隻要你搭建好了學習模型，那麼只要自動訓練就能夠找到最優解，所以實現起來也很方便。

TensorFlow的代碼能夠參考：

https://blog.csdn.net/m0_38045485/article/details/81174728