Tvorba implicitních modelů

Teď, když máš zadané všechny hodnoty hyperparametrů, nech Spark sestavit dostatek modelů pro otestování každé kombinace. K tomu slouží smyčka for, která je zde připravená. Postupuj podle pokynů níže a automaticky vytvoř tyto modely ALS. V dalších cvičeních je spustíš na testovacích datech a zjistíš, který z nich funguje nejlépe.

Algoritmus ALS je už naimportovaný. Seznamy, které jsi vytvořil/a v předchozím cvičení (ranks, maxIters, regParams, alphas), jsou také připravené.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů s PySparkem

Zobrazit kurz

Pokyny k cvičení

Zde je připravený prázdný seznam model_list. Smyčka for vytvoří model pro každou kombinaci hyperparametrů a uloží ho do model_list.
Doplň smyčku for tak, aby odkazovala na obsah každého seznamu: r reprezentuje prvky seznamu ranks, mi prvky seznamu maxIters, rp prvky seznamu regParams a a prvky seznamu alphas.
Vypiš len(model_list) i samotný model_list a ověř, že byly vytvořeny všechny modely. Délka by měla odpovídat součinu délek všech výše uvedených seznamů hyperparametrů. Pro jistotu můžeš spustit i připravenou validaci.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# For loop will automatically create and store ALS models
for r in ____:
    for mi in ____:
        for rp in ____:
            for a in ____:
                model_list.append(ALS(userCol= "userId", itemCol= "songId", ratingCol= "num_plays", rank = r, maxIter = mi, regParam = rp, alpha = a, coldStartStrategy="drop", nonnegative = True, implicitPrefs = True))

# Print the model list, and the length of model_list
print (model_list, "Length of model_list: ", len(____))

# Validate
len(model_list) == (len(ranks)*len(maxIters)*len(regParams)*len(alphas))

Upravit a spustit kód