शुरू करेंमुफ़्त में शुरू करें

टेस्ट/ट्रेन स्प्लिट बनाएँ और अपना ALS मॉडल तैयार करें

आप पहले ही पिछले अध्याय में ALS मॉडल बनाना सीख चुके हैं. हम वही फिर करेंगे, लेकिन इस बार हम क्रॉस-वैलिडेटेड मॉडल को पूरा तैयार करने के लिए कुछ अतिरिक्त स्टेप्स भी लेंगे.

सबसे पहले, आवश्यक फंक्शंस इम्पोर्ट करें और क्रॉस वैलिडेशन स्टेप की तैयारी के लिए अपने train और test डेटा सेट बनाएँ.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PySpark के साथ Recommendation Engines बनाना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • ml.evaluation से RegressionEvaluator, ml.recommendation से ALS एल्गोरिदम, और ml.tuning से ParamGridBuilder तथा CrossValidator इम्पोर्ट करें.
  • ratings डेटा पर randomSplit मेथड का उपयोग करके .80/.20 का train/test स्प्लिट बनाएँ. डेटासेट्स के नाम train और test रखें, और random seed 1234 सेट करें.
  • ALS मॉडल बनाएँ और Spark को ratings डेटाफ़्रेम में उन कॉलम्स के नाम बताएँ जो userCol, itemCol और ratingCol से संबंधित हैं. nonnegative आर्ग्युमेंट को True रखें, coldStartStrategy को "drop" पर सेट करें, और implicitPrefs आर्ग्युमेंट को False सेट करके बताएँ कि ये implicit preferences नहीं हैं. इस मॉडल का नाम als रखें.
  • als पर type() फंक्शन कॉल करके जाँचें कि मॉडल बन गया है. आउटपुट यह संकेत देगा कि यह किस प्रकार का मॉडल है.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import the required functions
from pyspark.ml.evaluation import ____
from pyspark.ml.recommendation import ____
from pyspark.ml.tuning import ____, ____

# Create test and train set
(train, test) = ratings.___([0.____, 0.____], seed = ____)

# Create ALS model
als = ALS(userCol="____", itemCol="____", ratingCol="____", nonnegative = ____, implicitPrefs = ____)

# Confirm that a model called "als" was created
type(____)
कोड संपादित करें और चलाएँ