CommencezCommencez gratuitement

Meilleur modèle et paramètres du meilleur modèle

Maintenant que notre validateur croisé, cv, est prêt, nous pouvons demander à Spark de prendre nos données, d'y ajuster l'algorithme ALS et d'essayer différentes combinaisons de valeurs d'hyperparamètres provenant de notre param_grid afin d'identifier celles qui donnent la plus petite RMSE. Malheureusement, cela prend trop de temps à exécuter ici, mais pour référence, voici comment procéder :

# Ajuster le validateur croisé au jeu de données « train »
model = cv.fit(train)

# Extraire le meilleur modèle du modèle cv ci-dessus
best_model = model.bestModel

Ce code a été exécuté séparément, et le best_model a été identifié et sauvegardé pour vous. Utilisez les commandes fournies pour extraire les paramètres du modèle.

Cette activité fait partie du cours

Créer des moteurs de recommandation avec PySpark

Voir le cours

Instructions de l’exercice

  • Affichez type(best_model) pour confirmer que le modèle ALS construit à partir de nos options d'hyperparamètres est bien complété. Une instruction d'affichage est nécessaire ici pour enchaîner avec les impressions suivantes.
  • Extrayez le rank à partir de best_model en appelant la méthode .getRank() sur best_model.
  • Extrayez le maxIter à partir de best_model en appelant la méthode .getMaxIter() sur best_model.
  • Extrayez le regParam à partir de best_model en appelant la méthode .getRegParam() sur best_model.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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____())
Modifier et exécuter le code