Mulai sekarangMulai gratis

Bangun evaluator RMSE

Sekarang setelah Anda tahu cara menyesuaikan model ke data pelatihan dan menghasilkan prediksi uji, Anda memerlukan cara untuk mengevaluasi kinerja model. Untuk itu kita akan membangun sebuah evaluator. Evaluator di Spark dapat dibuat dengan berbagai cara. Untuk tujuan kita, kita menginginkan regressionEvaluator yang menghitung RMSE. Setelah kita membangun regressionEvaluator, kita dapat menyesuaikan model ke data kita dan menghasilkan prediksi.

Latihan ini merupakan bagian dari kursus

Membangun Recommendation Engine dengan PySpark

Lihat Kursus

Instruksi latihan

  • Impor paket RegressionEvaluator yang diperlukan dari kelas pyspark.ml.evaluation.
  • Lengkapi kode evaluator, dengan menetapkan metric name menjadi "rmse". Atur labelCol ke nama kolom dalam data ratings yang berisi rating kita (gunakan metode ratings.columns untuk melihat nama kolom) dan atur nama kolom prediction menjadi "prediction".
  • Konfirmasikan bahwa evaluator telah dibuat dengan benar dengan mengekstrak masing-masing dari tiga parameter tersebut. Lakukan ini dengan menjalankan 3 baris kode berikut, masing-masing di dalam pernyataan print:
    • evaluator.getMetricName()
    • evaluator.getLabelCol()
    • evaluator.getPredictionCol()

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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____())
Edit dan Jalankan Kode