CommencezCommencez gratuitement

Performance du modèle binaire

Vous avez déjà construit plusieurs modèles ALS, donc nous n'allons pas le refaire ici. Un modèle ALS implicite a déjà été ajusté aux cotes binaires du jeu de données MovieLens. Examinons les binary_test_predictions issues de ce modèle pour voir ce que nous pouvons en tirer.

La fonction ROEM() a été définie pour vous. N'hésitez pas à exécuter help(ROEM) dans la console si vous voulez plus de détails sur son utilisation !

Cette activité fait partie du cours

Créer des moteurs de recommandation avec PySpark

Voir le cours

Instructions de l’exercice

  • Importez la fonction col de la classe pyspark.sql.functions.
  • Examinez binary_test_predictions avec la méthode .show() pour vous faire une idée de la structure des données.
  • Appelez ROEM() sur binary_test_predictions pour évaluer la performance du modèle. Pensez-vous qu'il s'en est bien tiré ?
  • Utilisez .filter() pour ne regarder que les prédictions de l'utilisateur 42 (col("userId") == 42). Remarquez-vous quelque chose ?

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the col function
from ____.sql.____ import ____

# Look at the test predictions
____.____()

# Evaluate ROEM on test predictions
____(____)

# Look at user 42's test predictions
binary_test_predictions.____(col("____") == ____).show()
Modifier et exécuter le code