【第十八章：Sentosa_DSML社区版-机器学习之协同过滤】

1.算子介绍

协同过滤是推荐系统中常用的一种方法。该算法旨在填补用户-产品关联矩阵中缺少的项。在算法中，用户和产品都是通过一组少量的潜在因素描述，这些潜在因素可以用于预测用户-产品关联矩阵中缺少的项。

2.算子类型

机器学习/推荐算子

3.算子属性说明

属性	页面显示名称	选项	类型	默认值	约束规则	属性说明
top_n	推荐数量	必填	Int	10	大于0的整数	推荐数量
recommend_type	推荐类型	必选	String	topUser	单选:topUser,topItem	推荐类型
cold_start_strategy	冷启动策略	必选	String	nan	单选:nan drop	cold_start_strategy
nonnegative	是否使用非负约束	必选	Boolean	否	单选：true false	是否应用非负性约束
implicit_prefs	是否使用隐式偏好	必选	Boolean	否	单选：true false	是否使用隐式偏好
alpha	隐式偏好的alpha	必填	Double	1.0	>=0.0	隐式偏好的alpha
reg_param	正则化系数	必填	Double	0.1	>=0	正则化系数
user_col	用户列名	必填	String	user	单选:前继节点的所有列名	用户id的列名
num_user_blocks	user_blocks数量	必填	Int	10	>0	user_blocks数量
item_col	item列名	必填	String	item	单选:前继节点的所有列名	item ids的列名参数
num_item_blocks	item_blocks数量	必填	Int	10	>0	item_blocks数量
rating_col	评分列名	必填	String	rating	单选:前继节点的所有列名	ratings列名参数
rank	矩阵分解的秩的参数	必填	Int	10	>=0	矩阵分解的秩的参数
max_iter	最大迭代次数	必填	Int	10	>0	最大迭代次数

4.算子使用介绍

（1）算子初始化

参考公共功能算子初始化操作

（2）算子属性设置

协同过滤算子的属性设置如图所示

协同过滤算子属性设置

（3）算子的运行

首先通过数据读入算子读取数据，中间可以接任意个数据处理算子(例，行处理，列处理等)，然后接一个协同过滤算子，后可接任意个数据处理算子，再接图表分析算子或数据写出算子(不能接评估算子)，形成算子流执行。

协同过滤模型算子流

模型的运行结果如图所示

协同过滤模型的运行结果

为了非商业用途的科研学者、研究人员及开发者提供学习、交流及实践机器学习技术，推出了一款轻量化且完全免费的Sentosa_DSML社区版。以轻量化一键安装、平台免费使用、视频教学和社区论坛服务为主要特点，能够与其他数据科学家和机器学习爱好者交流心得，分享经验和解决问题。文章最后附上官网链接，感兴趣工具的可以直接下载使用

Sentosa_DSML社区版官网