mahout算法源码分析之Collaborative Filtering with ALS-WR （四）评价和推荐
Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。
首先来总结一下 mahout算法源码分析之Collaborative Filtering with ALS-WR （三），这个写了三篇，基本都是写QR分解，然后矩阵进过处理得到U或者M的过程，但是还是没有讲出个所以然来。mahout官网上说其是根据这篇文献得来的Large-scale Parallel Collaborative Filtering for the Net?ix Prize，本来我是想翻译这篇来着，就是为了想弄清楚这个所谓的QR分解算法，但是感觉好像和mahout中的实现不同。（这篇在csdn上面已经有人翻译了，但是真的只是翻译而已，并没有进行讲解，结果还是自己来看），其中主要的是下面的matlab部分代码：
这里是使用给定的U来更新M，mahout中第一个是用M--1来更新U-0，其实都是一样的。看上面的图，其中的vector其实就是Vi，而matrix其实就是Ai（对应于前篇blog中相应的变量），所以matrix\vector 其实就相当于Ai\Vi = Ai‘*Vi（Ai的逆矩阵和Vi相乘）这样就可以得到M。额，或许这里的mahout代码就是求Ai的逆矩阵？恩，很有可能这样的话，应该是对到了。只是这里求Ai的逆矩阵代码太复杂了。这个有时间还是要慢慢研究下的。
今天本来就不打算纠结这个问题了，没想到又看一遍居然好像有点领悟了（之前一直以为逆矩阵和转置矩阵一样的，导致以为mahout代码和matlab代码不符，哎，还是矩阵没学好。。。）
本篇正文：评价这个算法，在mahout中其实就是使用了一个参数而已，rmse，均方根误差。运行这一步其实就是先使用前面一步获得的U和M来对每个用户应经评价的movies进行重新评价，即评价预测。然后把真是评价分数和预测评价分数的误差写入文件。最后读出误差列，把其求平均得到最后误差结果。在mahout中评价使用的job文件是：org.apache.mahout.cf.taste.hadoop.als.FactorizationEvaluator。打开这个文件，可以看到在run方法中有一个parepareJob的函数，同时这个函数的Mapper是PredictRatingsMapper。打开这个PredictRatingsMapper可以看到它有setup和map函数，setup函数主要是把路径U和M中的数据load到一个变量里面，map是主要操作，源码如下：
final TopK<RecommendedItem> topKItems = new TopK<RecommendedItem>(recommendationsPerUser, BY_PREFERENCE_VALUE);这里的BY_PREFERENCE_VALUE实现了comparator接口，所以加入到这个变量中的会按照一定的顺序来排列，即按照value（即预测的分数）从大到小来排列。然后就是输出了。这样这个系列就全部分析完毕了。
额，还有一点，关于matlab代码部分的算法其实是和mahout源码中的一致的，具体下篇分析。
分享，成长，快乐
转载请注明blog地址：http://blog.csdn.net/fansy1990
