0
A
回答
0
是的,這是正常的。
由於ALS使用普通最小二乘法,因此您可能期望解決方案是唯一的。但是,由於用戶因素和因子項矩陣是用隨機值初始化的,因此解決方案並不是唯一的。如果這些矩陣初始化爲常數,那麼解決方案將是唯一的。
相關問題
- 1. 不同大小的火花相同的鑲木地板文件
- 2. 針對不同實現的相同單元測試
- 3. Quering不同的值throught相關模型
- 4. 針對不同級別TreeView節點的不同模型
- 5. 預測值來了相同中的R
- 6. 火花(1.6)ML線性迴歸 - 如何預測瓦特/模型
- 7. 需要針對不同類型設備的相同設計android
- 8. 針對不同數值公差的不同平等[DenseVector]類型
- 9. Tensorflow迴歸模型給予相同的預測每次
- 10. 帶火花的LDA模型
- 11. 對不同的模型使用相同的dbcontext
- 12. 咖啡GoogleNet模型預測總是相同
- 13. 不同預構建火花版本有什麼區別
- 14. 星火之間不同的行爲火花提交和火花外殼
- 15. 重用針對不同對象的模型
- 16. 不同的名稱相同類型的不同對象
- 17. 如何針對SUT的不同實現運行完全相同的phpunit測試?
- 18. 多個對象相同的模型loadMultiple()
- 19. 檢查,並針對不同類型的
- 20. 流利的NHibernate針對不同基類型的不同約定
- 21. 針對不同元素的火花流和批處理模式之間的代碼重用
- 22. 具有不同值的相同內存地址的指針
- 23. 加載依賴瓶(不同的版本不同的動作/職位相同罐子)與Oozie的火花行動
- 24. 休眠針對不同的相同的別名加入
- 25. Firebase針對相同的查詢返回不同的結果。 iOS
- 26. 針對不同流類型的不同流 - struts2
- 27. 針對不同設備類型的不同活動
- 28. 火花鍵/值對問題
- 29. 針對不同標記的不同InfoWindow
- 30. Scrapy - 針對不同域的不同download_delay
感謝您的反饋,我如何使用常量值初始化用戶因子和因子項以獲得每次執行的獨特解決方案? – imountasser
自己從頭開始實現整個算法!我想一個更有趣的問題可能是你爲什麼要這樣做? –
因爲在每次迭代中獲取不同的個性化推薦是不正常的,不是嗎? – imountasser