Python 意外的关键字参数'；冷启动战略'；对于Spark ml中的ALS

我发现了一些帖子，其中用户想知道为什么在使用ALS时，他们的预测中会收到

NaN

值。我遇到了同样的问题，似乎找到了答案和实施的解决方案，并在文档中进行了详细讨论：

注意：此处有一个指向

coldStartStrategy（）

文档的工作链接，但由于我的问题，文档似乎已被删除

我认为这会解决问题。除了更新到Spark 2.1.1（不适用于2.1.0）之后，我仍然会收到相同的错误：

TypeError:init（）获得意外的关键字参数“coldStartStrategy”

下面是我尝试使用参数的地方：

full_train，full_test=ugr_df.randomspilt（[0.7,0.3]，seed=0L）
als=als（秩=秩，maxIter=maxIter，regParam=lmbda，
userCol=“user\u id”，itemCol=“game\u id”，seed=seed，
评级col=“评级”，coldStartStrategy=“下降”）
优化模型=als.fit（全系列）

我以这种方式导入ALS：

来自pyspark.ml.cn的

当我去掉cold start参数时，我的代码运行良好。从我在文档中看到的情况来看，我正确地实现了它

• 这一论点不正确有什么原因吗
• 如果我不使用它，我可以安全地做以下同样的效果吗？i、 e.以下代码是否与

  coldStartStrategy

  参数同义

  predictions=优化的模型。转换（完整测试）
  预测_drop=predictions.dropna（）
  

---

然后继续使用

predicts\u drop

df进行回归分析

coldStartStrategy

已在SPARK 2.2中随SPARK-14489一起引入，但尚未发布：

如果您想使用它，您必须从源代码构建Spark或使用开发人员构建

调用

na.drop

应具有与使用

drop

策略相同的效果，即：

case ALSModel.Drop =>
  predictions.na.drop("all", Seq($(predictionCol)))