Performance du modèle binaire

Vous avez déjà construit plusieurs modèles ALS, donc nous n’allons pas recommencer ici. Un modèle ALS implicite a déjà été ajusté sur les notes binaires du jeu de données MovieLens. Examinons binary_test_predictions issu 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 souhaitez plus de détails sur son utilisation !

Cet exercice fait partie du cours

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

Voir le cours

Instructions de l’exercice

Importez la fonction col depuis 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 les performances du modèle. Pensez-vous que les résultats sont bons ?
Utilisez .filter() pour n’afficher 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