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’ajuster l’algorithme ALS et de tester les différentes combinaisons de valeurs d’hyperparamètres 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 votre information, voici comment procéder :

# Ajuster le validateur croisé sur l’ensemble 'train'
model = cv.fit(train)

# Extraire le meilleur modèle de l’objet cv ci-dessus
best_model = model.bestModel

Ce code a été exécuté séparément, et le best_model a été identifié et enregistré pour que vous puissiez l’utiliser. Servez-vous des commandes fournies pour extraire les paramètres du modèle.

Cet exercice fait partie du cours

<cours>Créer des moteurs de recommandation avec PySpark</cours>

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 finalisé. Une instruction print est nécessaire ici pour enchaîner avec les affichages suivants.
Extrayez le rank depuis le best_model en appelant la méthode .getRank() sur best_model.
Extrayez le maxIter depuis le best_model en appelant la méthode .getMaxIter() sur best_model.
Extrayez le regParam depuis le 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