als是交替最小二乘法，是一种优化算法，在机器学习中，als特指使用交替最小二乘法的一个协同过滤推荐算法。
在基于矩阵分解的推荐系统中，由于用户-物品评分矩阵是一个稀疏矩阵，所以将这个矩阵分解为两个矩阵，一个是用户对物品的偏好矩阵，一个是物品包含的特征的矩阵，在矩阵分解过程中，矩阵的缺失值得到了填充，那么就可以填充后的评分矩阵给用户推荐商品。
设这个评分矩阵为
，用户偏好矩阵为
，物品隐含特征矩阵为
，那么
。als的目的就是要找到用户偏好矩阵为
，和物品隐含特征矩阵为
。为了让
尽可能的接近
，也就是使损失函数
最小化，为了解决过拟合的问题，加入了正则化的系数，即
，由于有两个变量x，y，所以先固定y，将损失函数对
求偏导，再固定x，对
求偏导，依次迭代，将上一步得到的
，
作为下一步的输入，直到均方根误差RMSE很小。
以上就是als的算法原理。als算法大大减少了存储的空间，而且Spark可以利用这种稀疏性用简单的线性代数计算求解。这些都使得als算法在大规模数据上计算是非常快的，这也解释了为什么Spark的推荐算法只有als。