शुरू करेंमुफ़्त में शुरू करें

एक ALS मॉडल तैयार करें

चलिए आपका पहला ALS मॉडल स्पेसिफाई करते हैं। नीचे दिए गए कोड को पूरा करके अपना पहला ALS मॉडल बनाएँ.

याद रखें, आप ratings डेटा फ्रेम पर .columns मेथड का उपयोग करके यह देख सकते हैं कि यूज़र, मूवी और रेटिंग्स डेटा किन कॉलम नामों में है। Spark को ALS सही तरह से चलाने के लिए इन कॉलमों के नाम पता होने चाहिए.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PySpark के साथ Recommendation Engines बनाना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ALS मॉडल बनाने से पहले, हमें डेटा को ट्रेनिंग और टेस्ट डेटा में बाँटना है। randomSplit() मेथड का उपयोग करके ratings डेटा फ्रेम को क्रमशः 0.8/0.2 स्प्लिट के साथ training_data और test_data में बाँटें, और रैंडम नंबर जेनरेटर के लिए seed को 42 रखें.
  • Spark को बताएँ कि किन कॉलमों में userCol, itemCol और ratingCol हैं। ज़रूरत हो तो .columns मेथड का उपयोग करें। हाइपरपैरामीटर्स पूरी कीजिए। rank को 10, maxIter को 15, regParam या lambda को .1, coldStartStrategy को "drop", nonnegative आर्ग्यूमेंट को True, और क्योंकि हमारे डेटा में explicit ratings हैं, implicitPrefs आर्ग्यूमेंट को False सेट करें.
  • अब ratings डेटा के training_data हिस्से पर als.fit() मेथड कॉल करके als मॉडल फिट करें। फिट हुए मॉडल को model नाम दें.
  • ratings डेटा के test_data हिस्से पर model.transform() मेथड कॉल करके प्रेडिक्शंस बनाएँ। प्रेडिक्शंस को test_predictions नाम दें। चाहें तो test_predictions पर .show() मेथड कॉल करके इन प्रेडिक्शंस को देख सकते हैं.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Split the ratings dataframe into training and test data
(training_data, test_data) = ratings.____([____, ____], seed=42)

# Set the ALS hyperparameters
from pyspark.ml.recommendation import ALS
als = ALS(userCol="____", itemCol="____", ratingCol="____", rank =____, maxIter =____, regParam =____,
          coldStartStrategy="____", nonnegative =____, implicitPrefs = ____)

# Fit the mdoel to the training_data
____ = ____.fit(____)

# Generate predictions on the test_data
____ = ____.transform(____)
test_predictions.show()
कोड संपादित करें और चलाएँ