Apache spark MLlib MatrixFactoryModel recommendProducts（用户，num）在某些用户上失败

我培训了一个使用和现在使用的模型，以获得最佳推荐产品，但代码在某些用户身上失败，出现以下错误：

  user_products = model.call("recommendProducts", user, prodNum)
  File "/usr/lib/spark/python/pyspark/mllib/common.py", line 136, in call
    return callJavaFunc(self._sc, getattr(self._java_model, name), *a)
  File "/usr/lib/spark/python/pyspark/mllib/common.py", line 113, in callJavaFunc
    return _java2py(sc, func(*args))
  File "/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py", line 538, in __call__
  File "/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/protocol.py", line 300, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o68.recommendProducts.
: java.util.NoSuchElementException: next on empty iterator
    at scala.collection.Iterator$$anon$2.next(Iterator.scala:39)
    at scala.collection.Iterator$$anon$2.next(Iterator.scala:37)
    at scala.collection.IndexedSeqLike$Elements.next(IndexedSeqLike.scala:64)
    at scala.collection.IterableLike$class.head(IterableLike.scala:91)
    at scala.collection.mutable.WrappedArray.scala$collection$IndexedSeqOptimized$$super$head(WrappedArray.scala:34)
    at scala.collection.IndexedSeqOptimized$class.head(IndexedSeqOptimized.scala:120)
    at scala.collection.mutable.WrappedArray.head(WrappedArray.scala:34)
    at org.apache.spark.mllib.recommendation.MatrixFactorizationModel.recommendProducts(MatrixFactorizationModel.scala:117)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:606)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
    at py4j.Gateway.invoke(Gateway.java:259)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:207)
    at java.lang.Thread.run(Thread.java:745)

正如你们在上面第一行看到的，我正在跑步

user_products = model.call("recommendProducts", user, prodNum)

而不是

user_products = model.recommendProducts(user, prodNum)

因为我使用的1.3.0 pyspark没有实现后者。 无论如何，它正确地为某些用户返回预测，但在其他用户上则失败

---

我知道它可能没有我要求的准确预测数，我希望它返回的预测数会更少。

简短回答：

• 您已经就用户ID在[0；N]范围内的评分对模型进行了培训
• 您要求推荐userID=N+x，其中x是正整数。这导致了异常

答案的其余部分：

• 您可以在培训阶段使用的用户ID空间内征求建议
• 您可以根据培训阶段使用的产品空间要求尽可能多的建议

当你想推荐一个新用户时，你必须将他或她的喜好信息添加到训练数据集中

您可以在中找到有关协作过滤的示例

---

（如果我遗漏了什么，请在下面的评论中更正）

是。这是正确的。我之前就知道了，但忘了更新