Genera predicciones y calcula el RMSE

Ahora que tenemos un modelo entrenado con nuestros datos y ajustado mediante validación cruzada, podemos ver cómo se comporta en el dataframe test. Para ello, calcularemos el RMSE.

Como nota aparte, generar las predicciones de prueba lleva más de unos pocos minutos con este conjunto de datos. Por esta razón, las predicciones de prueba ya se han generado y se proporcionan aquí como un dataframe llamado test_predictions. Para tu referencia, se generan con este código: test_predictions = best_model.transform(test).

Este ejercicio forma parte del curso

Creación de motores de recomendación con PySpark

Ver curso

Instrucciones del ejercicio

El dataframe test_predictions contiene predicciones que nuestro modelo ALS con validación cruzada generó usando el conjunto test que creamos previamente. Usa el método .show() para echarle un vistazo y comprobar si las predicciones parecen cercanas.
Usa el evaluator que construiste antes para calcular el RMSE llamando al método .evaluate() sobre las test_predictions generadas. Llama a esto RMSE.
Imprime el RMSE.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# View the predictions 
test_predictions.____()

# Calculate and print the RMSE of test_predictions
RMSE = evaluator.____(____)
print(____)

Editar y ejecutar código