Crea tu pipeline de validación cruzada

Ahora que ya tenemos los datos, las particiones de entrenamiento/prueba, el modelo y los valores de hiperparámetros, vamos a indicarle a Spark cómo validar cruzadamente nuestro modelo para que encuentre la mejor combinación de hiperparámetros y nos la devuelva.

Este ejercicio forma parte del curso

Creación de motores de recomendación con PySpark

Ver curso

Instrucciones del ejercicio

Crea un CrossValidator llamado cv con nuestro modelo als como estimator, estableciendo estimatorParamMaps al param_grid que acabas de construir. Indícale a Spark que el evaluator a usar es el "evaluator" que construimos antes. Define numFolds en 5.
Confirma que cv se creó imprimiendo cv.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Build cross validation using CrossValidator
____ = CrossValidator(estimator=____, estimatorParamMaps=____, evaluator=____, numFolds=____)

# Confirm cv was built
print(____)

Editar y ejecutar código