如何用spark实现好友推荐?
1.spark-mllib是用推荐程序实现的,它封装了als(alternativeleastsquares)来求解用户项目评分矩阵的空值,只要应用了数据就可以使用。缺点是不能增量计算,占用大量内存。
2.协同过滤、基于项目或用户的聚类、svm/bayes的封装,具体思路应该不用多说。实施强化学习,实时反馈更新模型,推送给用户。这是最近最难也最时髦的一个
你打算学哪个专业?这太简单了
]如果你擅长数学和英语,我就不谈了。这是最基本的
对于阿里这样的大公司来说,你至少需要985或者211所名牌大学
你可以问我一些关于计算机科学的问题
我会定期更新视频科学
sparkstreaming是一个基于spark的实时计算框架,扩展了spark处理大规模流数据的能力。spark流的优点是它可以在1000个节点上以秒延迟运行。
采用基于内存的spark作为执行引擎,具有高效、容错的特点。
可以集成批量处理和spark的交互式查询。
它提供了一个简单的界面,类似于复杂算法的批处理。
正是由于这个原因,spark-streaming受到了很多企业的追捧,在生产项目中得到了广泛的应用,但在使用过程中也存在一些热点问题。
原文的详细解释:https://blog.csdn.net/gitchat/article/details/78050311
原文标题:spark推荐算法 如何用spark实现好友推荐?,如若转载,请注明出处:https://www.saibowen.com/tougao/23253.html
免责声明:此资讯系转载自合作媒体或互联网其它网站,「赛伯温」登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。