摘要：
1.算法概述
2.算法推導
3.算法特性及優缺點
4.注意事項
5.實現和具體例子
6.適用場合
內容：
1.算法概述
ALS是alternating least squares的縮寫 , 意為交替最小二乘法；而ALS-WR是alternating-least-squares with weighted-λ -regularization的縮寫，意為加權正則化交替最小二乘法。關於最小二乘法可以看我之前的這篇介紹：最優化方法與機器學習工具；而交替最小二乘法是對最小二乘法處理多個變量時的擴展。其基本原理是如果有兩個變量需要確定，那ALS先固定第一個變量，然后求解第二個變量。之后固定第二個變量，求解第一個變量。如此交替迭代直至收斂或者達到最大迭代次數。
2.算法推導
這里將ALS用於解決稀疏矩陣分解的問題
3.算法特性及優缺點
優點：相比SVD可以解決稀疏矩陣分解的問題
缺點：對於隱變量個數選擇比較敏感，k越大越精確，但是計算時間越長
4.注意事項
評分矩陣缺失值處理，填充0
5.實現和具體例子
6.適用場合
推薦系統