RMSE evaluator बनाएँ
अब जब आप प्रशिक्षण डेटा पर मॉडल फिट करना और टेस्ट प्रेडिक्शंस जनरेट करना जानते हैं, तो आपको मॉडल के प्रदर्शन का आकलन करने का तरीका चाहिए। इसके लिए हम एक evaluator बनाएँगे। Spark में evaluators कई तरह से बनाए जा सकते हैं। हमारी ज़रूरत के लिए, हमें ऐसा regressionEvaluator चाहिए जो RMSE कैलकुलेट करे। regressionEvaluator बनाने के बाद, हम मॉडल को अपने डेटा पर फिट कर सकते हैं और प्रेडिक्शंस जनरेट कर सकते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PySpark के साथ Recommendation Engines बनाना
अभ्यास निर्देश
pyspark.ml.evaluationक्लास से आवश्यकRegressionEvaluatorपैकेज इम्पोर्ट करें.evaluatorवाले कोड को पूरा करें, जहाँmetric nameको"rmse"सेट करें।labelColको हमारेratingsडेटा के उस कॉलम के नाम पर सेट करें जिसमें रेटिंग्स हैं (कॉलम नाम देखने के लिएratings.columnsमेथड का इस्तेमाल करें) औरpredictionकॉलम नाम को"prediction"पर सेट करें.- जाँचें कि
evaluatorसही तरह से बना है या नहीं, इसके तीनों पैरामीटर्स को उससे निकालकर। ऐसा करने के लिए निम्न 3 लाइनों को, प्रत्येक को एक print स्टेटमेंट में चलाएँ:evaluator.getMetricName()evaluator.getLabelCol()evaluator.getPredictionCol()
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import RegressionEvaluator
from pyspark.ml.evaluation import ____
# Complete the evaluator code
evaluator = RegressionEvaluator(metricName="____", labelCol="____", predictionCol="____")
# Extract the 3 parameters
print(evaluator.get____())
print(evaluator.get____())
print(evaluator.get____())