Nejlepší model a jeho parametry

Teď, když máme sestavený cross validator cv, můžeme Sparku říct, aby vzal naše data, přizpůsobil jim algoritmus ALS a vyzkoušel různé kombinace hodnot hyperparametrů z param_grid – tak dokáže určit, které hodnoty vedou k nejmenší RMSE. Tenhle proces by zde trval příliš dlouho, ale pro referenci takhle to funguje:

#Fit cross validator to the 'train' dataset
model = cv.fit(train)

#Extract best model from the cv model above
best_model = model.bestModel

Tento kód byl spuštěn samostatně a best_model byl identifikován a uložen, abys ho mohl/a rovnou použít. Pomocí níže uvedených příkazů extrahuj parametry tohoto modelu.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů s PySparkem

Zobrazit kurz

Pokyny k cvičení

Vypiš type(best_model), abys ověřil/a, že model, který ALS sestavil z našich možností hyperparametrů, je skutečně dokončený. Příkaz print je zde nutný, aby správně fungoval spolu s následnými výpisy.
Extrahuj hodnotu rank z best_model zavoláním metody .getRank() na best_model.
Extrahuj hodnotu maxIter z best_model zavoláním metody .getMaxIter() na best_model.
Extrahuj hodnotu regParam z best_model zavoláním metody .getRegParam() na best_model.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Print best_model
print(____)

# Complete the code below to extract the ALS model parameters
print("**Best Model**")

# Print "Rank"
print("  Rank:", best_model.get____())

# Print "MaxIter"
print("  MaxIter:", best_model.get____())

# Print "RegParam"
print("  RegParam:", best_model.get____())

Upravit a spustit kód