## 簡介

場景將基於機器學習PAI平臺，指導您如何使用ALS演算法實現使用者音樂打分預測。

## 背景資訊

ALS演算法是基於模型的推薦演算法，基本思想是對稀疏矩陣進行模型分解，評估出缺失項的值，以此來得到一個基本的訓練模型。然後依照此模型可以針對新的使用者和物品資料進行評估。ALS是採用交替的最小二乘法來算出缺失項的，交替的最小二乘法是在最小二乘法的基礎上發展而來的。

從協同過濾的分類來說，ALS演算法屬於User-Item CF，也叫做混合CF，它同時考慮了User和Item兩個方面。

在本次使用者音樂打分場景中，首先拿到的原始資料是每個聽眾對每首歌的評分矩陣A，這個評分可能是非常稀疏的，因為不是每個使用者都聽過所有的歌，也不是每個使用者都會對每首歌評分。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308101815564.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
ALS矩陣分解會把矩陣A分解成兩個矩陣的相乘，分別是X矩陣和Y矩陣。

```csharp
矩陣A=矩陣X和矩陣Y的轉秩的乘積

```
x的列表示和Y的橫表示可以稱之為ALS中的因子，這個因子是有隱含定義的，這裡假設有3個因子，分別是性格、教育程度、愛好。A矩陣經過ALS分解出的X、Y矩陣可以分別表示成如下所示。

X矩陣：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308101843786.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
Y矩陣：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2021030810185184.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
資料經過這樣的拆解就很容易做使用者對音樂的評分預測。比如有聽眾6，他從沒聽過“紅豆“這首歌，但是我們可以拿到聽眾6在矩陣分解中X矩陣的向量M，這時候只有把向量M和”紅豆“在Y矩陣中的對應向量N相乘，就能預測出聽眾6對於”紅豆“這首歌的評分。

## 開通機器學習PAI服務

說明：本場景使用的機器學習PAI服務依賴於MaxCompute大資料計算服務，在執行實驗時將會消耗大約2.5元的計算費用，請確保您的賬戶餘額充足。

1.使用阿里雲賬號登入[阿里雲官網](https://www.aliyun.com/)。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102022906.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  在頂部的導航欄，依次將滑鼠懸停到產品>人工智慧處，然後單擊機器學習平臺PAI。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102034191.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
3.  在機器學習PAI控制檯首頁，單擊立即開通。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102042937.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
4.  在服務開通頁面，選擇要開通的機器學習PAI服務所在的區域，例如華東2（上海），然後單擊頁面下方的立即購買。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102053979.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
5.  在訂單確認頁面，仔細閱讀《機器學習(PAI)服務協議》後，勾選我已閱讀並同意，最後單擊立即開通。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102104226.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
6.  開通成功後，單擊前往PAI管理控制檯。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102112537.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 建立PAI Studio專案
1.在控制檯左側導航欄，單擊視覺化建模（Studio）。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102129483.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  在PAI Studio頁面單擊建立專案。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102138909.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
3.  在右側彈出的建立專案頁面，MaxCompute選擇按量付費，填入專案名稱，然後單擊確定。

PAI Studio底層計算依賴MaxCompute，如果您未開透過當前區域的MaxCompute，請按照頁面提示去購買。

a.  單擊購買。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102147737.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
    b.  選擇步驟一開通的機器學習PAI服務所在區域，例如華東2（上海），然後單擊立即購買。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102200480.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
    c.  仔細閱讀《大資料計算服務MaxCompute（按量計算）服務協議》後，勾選我已閱讀並同意，最後單擊立即開通。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102210361.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
    d.  開通成功後返回PAI Studio控制檯頁面，再次單擊建立專案，在建立專案頁面選擇MaxCompute付費方式為按量付費，然後填入專案名稱，最後單擊確認。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102221458.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
4.  專案建立需要1分鐘左右進行初始化，等待專案操作列出現進入機器學習，表示專案建立完成。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102230144.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 建立實驗
1.單擊左側導航欄的首頁。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102247962.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  在模板列表找到ALS實現音樂推薦，然後單擊從模板建立。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102300371.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
3.  在彈出的新建實驗框，單擊確定。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102309725.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 檢視實驗模板
在該模板中已經預設配置了實驗的資料來源和ALS矩陣分解元件的引數。

1.右鍵單擊資料來源節點，然後單擊檢視資料。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102331219.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
顯示的資料如下。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102340722.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
該資料來源包含4個欄位，其中：

user：使用者ID。
item：音樂ID。
score：user對item的評分。
2.  單擊ALS矩陣分解-1節點，右側顯示如下，可以看到欄位設定已設定為與資料來源中的欄位一致。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102352686.png)
3.  單擊右側的引數設定，可以看到模板中預設的演算法引數。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102404676.png)

## 執行實驗
1 單擊左上角執行。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102423754.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
2.  請耐心等待3~5分鐘，實驗執行完成如下所示。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2021030810243323.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)

## 檢視實驗結果
本實驗中會輸出2張表，對應ALS演算法中的X矩陣和Y矩陣。

1.實驗執行完成後，右鍵單擊畫布中的ALS矩陣分解-1，在快捷選單，選擇檢視資料 > 檢視輸出樁1，即可檢視矩陣X。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102457590.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)2.  右鍵單擊畫布中的ALS矩陣分解-1，在快捷選單，選擇檢視資料 > 檢視輸出樁2，即可檢視矩陣Y。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210308102509378.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhbmd5aWtlamk=,size_16,color_FFFFFF,t_70)
預測評分
例如要預測user1對音樂978130429的評分，只要將下方兩個向量相乘即可。

user1：[-0.14220297,0.8327106,0.5352268,0.6336995,1.2326205,0.7112976,0.9794858,0.8489773,0.330319,0.7426911]
item978130429：[0.2431642860174179,0.6019538044929504,0.4035401940345764,0.254305899143219,0.4056856632232666,0.46871861815452576,0.3701469600200653,0.3757922947406769,0.26486095786094666,0.37488409876823425]
經計算，兩個向量相乘的結果為2.7247730805432644，可以預測user1對音樂978130429的評分為2.7247730805432644。

推薦系統入門之使用ALS演算法實現打分預測

相關文章