在建立 ALS 模型之前，先把資料分成訓練資料與測試資料。使用 randomSplit() 方法，將 ratings 資料框以 0.8/0.2 的比例分成 training_data 和 test_data，並將隨機數產生器的 seed 設為 42。
告訴 Spark 哪些欄位是 userCol、itemCol 和 ratingCol。需要時可使用 .columns 方法。完成超參數設定：將 rank 設為 10、maxIter 設為 15、regParam（lambda）設為 .1、coldStartStrategy 設為 "drop"、nonnegative 設為 True，且因為資料包含顯性評分，將 implicitPrefs 設為 False。
透過在提供的 training_data 上呼叫 als.fit()，將 als 模型擬合到 ratings 的 training_data 區段。把擬合後的模型命名為 model。
透過在提供的 test_data 上呼叫 model.transform()，在 ratings 的 test_data 區段產生預測。把預測命名為 test_predictions。你也可以呼叫 test_predictions 的 .show() 方法來檢視預測結果。

ALS 如何交替以產生預測