体验推荐引擎的威力
Taylor 和 Jane 都喜欢看电影。Taylor 只喜欢剧情片、喜剧和爱情片。Jane 只喜欢动作、冒险以及其他更刺激的影片。基于 ALS 的推荐引擎的一大优势在于：即使用户主观上觉得自己可能不喜欢，模型也能找出他们会喜欢的电影或物品。请看看下面 Taylor 和 Jane 给出的电影评分。按常理，他们的偏好不同，得到的推荐也会不同。
本课程会涉及许多您可能已经生疏的概念。若需要快速复习，您可以下载并随身参考 PySpark Cheat Sheet。
本练习是课程的一部分
使用 PySpark 构建推荐引擎
练习说明
- 使用
.show()方法（或您偏好的其他方法）查看TJ_ratings，了解他们各自如何为看过的电影打分。 - 将用户名传入提供的
get_ALS_recs()函数，查看基于这些评分，ALS 会为 Jane 和 Taylor 推荐哪些电影。对您来说，这些推荐与评分是否一致？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# View TJ_ratings
TJ_ratings.show()
# Generate recommendations for users
get_ALS_recs(["____","____"])