Apache spark 使用spark的ALS时，如何使RMSE（均方根误差）变小？

我需要一些建议来建立一个好的模型，通过spark的

协同过滤
来进行推荐。中有一个示例代码。我还回顾了以下几点：

来自pyspark.mllib.recommendation导入ALS、MatrixFactoryizationModel、评级
#加载并解析数据
data=sc.textFile（“data/mllib/als/test.data”）
ratings=data.map（lambda l:l.split（'，'））\
.map（lambda l:Rating（int（l[0]）、int（l[1]）、float（l[2]））
#使用交替最小二乘法建立推荐模型
排名=10
数量=10
模型=ALS.列车（额定值、等级、数量）
#根据训练数据评估模型
testdata=ratings.map（lambdap:（p[0]，p[1]））
预测=model.predictAll（testdata）.map（λr:（（r[0]，r[1]），r[2]））
ratesAndPreds=ratings.map（lambdar:（（r[0]，r[1]），r[2]））.join（预测）
RMSE=ratesAndPreds.map（λr:（（r[1][0]-r[1][1]）**2.mean（））**.5）
打印（“均方根误差=“+str（RMSE））

一个好的模型需要尽可能小的RMSE

这是因为我没有将适当的参数设置为
ALS.train
方法，例如rand numIterations等等

还是因为我的数据集很小，所以RMSE变大了

所以，谁能帮我找出RMSE很大的原因以及如何修复它呢

添加：

正如@eliasah所说，我需要添加一些细节来缩小答案集。让我们考虑一下这个特殊的情况：

现在，如果我想建立一个推荐系统，向我的客户推荐音乐。我有他们的歌曲、专辑、艺术家和流派的历史比率。显然，这4个类构建了一个层次结构。曲目直接属于相册，相册直接属于艺术家，艺术家可能属于几种不同的类型。最后，我想使用所有这些信息来选择一些曲目推荐给客户

那么，为这些情况建立一个好的模型并确保RMSE尽可能小以进行预测的最佳实践是什么呢。
我对此做了一些研究，得出以下结论：

当rand和迭代增加时，RMSE将减少。然而，当数据集的大小增加时，RMSE将增加。从上述结果来看，rand size将更显著地改变RMSE值。

我知道这还不足以得到一个好的模型。希望有更多的想法
 如上所述，对于相同的数据集，随着等级和数量的增加，RMSE会减少。然而，随着数据集的增加，RMSE会增加

现在，降低RMSE和其他类似措施的一种做法是将评级中的值标准化。根据我的经验，如果您事先知道最小和最大额定值，那么这种方法非常有效

此外，还应考虑使用除RMSE以外的其他措施。在进行矩阵分解时，我发现有用的是计算Frobenius评分范数-预测然后除以Frobenius评分范数。通过这样做，您可以得到预测相对于原始评分的相对误差

以下是spark中用于此方法的代码：

# Evaluate the model on training data
testdata = ratings.map(lambda p: (p[0], p[1]))
predictions = model.predictAll(testdata).map(lambda r: ((r[0], r[1]), r[2]))

ratesAndPreds = ratings.map(lambda r: ((r[0], r[1]), r[2])).join(predictions)

abs_frobenius_error = sqrt(ratesAndPreds.map(lambda r: ((r[1][0] - r[1][1])**2).sum())))

# frobenius error of original ratings
frob_error_orig = sqrt(ratings.map(lambda r: r[2]**2).sum())

# finally, the relative error
rel_error = abs_frobenius_error/frob_error_orig

print("Relative Error = " + str(rel_error))

在这个误差度量中，误差越接近于零，建模就越好

我希望这能有所帮助。
在pyspark中，使用它来查找均方根误差（rmse）

可能的答案太多了，好的答案对于这种格式来说太长了。请添加详细信息，以缩小答案集或隔离可以在几段中回答的问题。@eliasah我添加了一个给定的情况。也许更容易回答。它不应该读为“然而，随着数据集的增长，RMSE会增加”吗？
from pyspark.mllib.recommendation import ALS
from math import sqrt
from operator import add


# rank is the number of latent factors in the model.
# iterations is the number of iterations to run.
# lambda specifies the regularization parameter in ALS
rank = 8
num_iterations = 8
lmbda = 0.1

# Train model with training data and configured rank and iterations
model = ALS.train(training, rank, num_iterations, lmbda)


def compute_rmse(model, data, n):
    """
    Compute RMSE (Root Mean Squared Error), or square root of the average value
        of (actual rating - predicted rating)^2
    """
    predictions = model.predictAll(data.map(lambda x: (x[0], x[1])))
    predictions_ratings = predictions.map(lambda x: ((x[0], x[1]), x[2])) \
      .join(data.map(lambda x: ((x[0], x[1]), x[2]))) \
      .values()
    return sqrt(predictions_ratings.map(lambda x: (x[0] - x[1]) ** 2).reduce(add) / float(n))

print "The model was trained with rank = %d, lambda = %.1f, and %d iterations.\n" % \
        (rank, lmbda, num_iterations)
# Print RMSE of model
validation_rmse = compute_rmse(model, validation, num_validation)
print "Its RMSE on the validation set is %f.\n" % validation_rmse