SparkALS算法基本思想
ALS算法是基于模型的推荐算法。起基本思想是对稀疏矩阵进行模型分解，评估出缺失项的值，以此来得到一个基本的训练模型。然后依照此模型可以针对新的用户和物品数据进行评估。ALS是采用交替的最小二乘法来算出缺失项的。交替的最小二乘法是在最小二乘法的基础上发展而来的。由于本人数学有限，就大体的介绍下最小二乘法的思想
最小二乘法
以下是用户A、B、C对物品A、B、C的打分
| 用户\物品 | 物品A(id=1) | 物品B(id=7)) | 物品C(id=9) |
|---|---|---|---|
| 用户A(id=4) | 5 | ? | 4 |
| 用户B(id=2) | ? | ? | 3 |
| 用户C(id=3) | 1 | 3 | 5 |
上图的矩阵可以按照(用户id,物品id)=评分的方式，在一个X/Y轴的一个点，只不过这些点有的有具体的值，有的没有，那么我们可以根据已经有值的点计算出一个函数F，使得这个函数F的曲线近似的穿插这些点，并使这些点的真值(表中的评分)与函数F测算值的方差之和最小（可以认为方差之和为0）。这样就可以获得一个方差函数FF，针对方差函数FF求偏导，就可以计算出函数F。
描述的不太清楚，可以参见博客http://blog.csdn.net/yauphy1/article/details/43735763