Crear evaluador de RMSE

Ahora que sabes cómo ajustar un modelo a los datos de entrenamiento y generar predicciones de prueba, necesitas una forma de evaluar qué tal rinde tu modelo. Para ello construiremos un evaluator. En Spark, los evaluadores se pueden crear de varias maneras. En nuestro caso, queremos un regressionEvaluator que calcule el RMSE. Después de construir nuestro regressionEvaluator, podremos ajustar el modelo a nuestros datos y generar predicciones.

Este ejercicio forma parte del curso

Creación de motores de recomendación con PySpark

Ver curso

Instrucciones del ejercicio

Importa el paquete RegressionEvaluator requerido desde la clase pyspark.ml.evaluation.
Completa el código del evaluator, especificando el metric name como "rmse". Establece labelCol con el nombre de la columna en nuestros datos ratings que contiene las valoraciones (usa el método ratings.columns para ver los nombres de las columnas) y establece el nombre de la columna de prediction como "prediction".
Confirma que el evaluator se creó correctamente extrayendo cada uno de sus tres parámetros. Hazlo ejecutando las siguientes 3 líneas de código, cada una dentro de un print:
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Import RegressionEvaluator
from pyspark.ml.evaluation import ____

# Complete the evaluator code
evaluator = RegressionEvaluator(metricName="____", labelCol="____", predictionCol="____")

# Extract the 3 parameters
print(evaluator.get____())
print(evaluator.get____())
print(evaluator.get____())

Editar y ejecutar código