如何用spark實(shí)現(xiàn)好友推薦？1. Spark-mllib是用推薦程序?qū)崿F(xiàn)的，它封裝了als（alternativeleastsquares）來(lái)求解用戶項(xiàng)目評(píng)分矩陣的空值，只要應(yīng)用了數(shù)據(jù)就可以使用。缺

如何用spark實(shí)現(xiàn)好友推薦？

1. Spark-mllib是用推薦程序?qū)崿F(xiàn)的，它封裝了als（alternativeleastsquares）來(lái)求解用戶項(xiàng)目評(píng)分矩陣的空值，只要應(yīng)用了數(shù)據(jù)就可以使用。缺點(diǎn)是不能增量計(jì)算，占用大量?jī)?nèi)存。

2. 協(xié)同過(guò)濾、基于項(xiàng)目或用戶的聚類(lèi)、SVM/Bayes的封裝，具體思路應(yīng)該不用多說(shuō)。實(shí)施強(qiáng)化學(xué)習(xí)，實(shí)時(shí)反饋更新模型，推送給用戶。這是最近最難和最時(shí)髦的一個(gè)

謝謝。我建議轉(zhuǎn)向大數(shù)據(jù)。

我也從事java開(kāi)發(fā)，我對(duì)這個(gè)主題的糾纏也有同樣的感受。畢竟，如果我精通Java，我已經(jīng)付出了大量的學(xué)習(xí)精力。如果我學(xué)習(xí)機(jī)器學(xué)習(xí)，我基本上想告別Java，這無(wú)疑是一個(gè)非常不幸的選擇。

此外，轉(zhuǎn)向機(jī)器學(xué)習(xí)不僅需要深入了解python，還需要掌握數(shù)學(xué)算法，這是不可能一蹴而就的。因此，轉(zhuǎn)向人工智能的風(fēng)險(xiǎn)相對(duì)較高，很容易打亂一個(gè)人的職業(yè)規(guī)劃。

目前，大數(shù)據(jù)方向仍是一個(gè)需求量大、前景好的工作方向。Java廣泛應(yīng)用于大數(shù)據(jù)領(lǐng)域。單憑Hadoop生態(tài)系統(tǒng)就足以完成大量的大數(shù)據(jù)工作，而Hadoop和Java是分不開(kāi)的。

最重要的是大數(shù)據(jù)方向不會(huì)低于機(jī)器學(xué)習(xí)的工資，機(jī)器學(xué)習(xí)還處于初級(jí)階段。別擔(dān)心工資問(wèn)題。