शुरू करेंमुफ़्त में शुरू करें

Predictions जनरेट करें और RMSE कैलकुलेट करें

अब जब हमारे पास डेटा पर प्रशिक्षित और cross validation से ट्यून किया हुआ मॉडल है, तो हम देख सकते हैं कि यह test dataframe पर कैसा प्रदर्शन करता है. इसके लिए हम RMSE कैलकुलेट करेंगे.

एक अतिरिक्त बात: इस डेटासेट पर test predictions जनरेट करने में कुछ मिनटों से ज़्यादा समय लगता है. इसी कारण, test predictions पहले से जनरेट करके यहाँ test_predictions नाम के dataframe के रूप में दिए गए हैं. आपके संदर्भ के लिए, इन्हें इस कोड से बनाया गया है: test_predictions = best_model.transform(test).

यह अभ्यास पाठ्यक्रम का हिस्सा है

PySpark के साथ Recommendation Engines बनाना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • test_predictions dataframe में वे predictions हैं जो हमारे cross-validated ALS मॉडल ने पहले बनाए गए test सेट पर जनरेट किए हैं. इन्हें देखने के लिए .show() मेथड का उपयोग करें और जाँचें कि predictions काफ़ी पास दिख रहे हैं या नहीं.
  • पहले बनाए गए evaluator का उपयोग करें और जनरेट हुए test_predictions पर .evaluate() मेथड चलाकर RMSE निकालें. इस वैल्यू को RMSE नाम दें.
  • RMSE प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# View the predictions 
test_predictions.____()

# Calculate and print the RMSE of test_predictions
RMSE = evaluator.____(____)
print(____)
कोड संपादित करें और चलाएँ