Mulai sekarangMulai gratis

Model Terbaik dan Parameter Model Terbaik

Sekarang setelah kita membangun cross validator, cv, kita dapat memberi tahu Spark untuk mengambil data kita, menyesuaikan algoritme ALS padanya, dan mencoba berbagai kombinasi nilai hyperparameter dari param_grid sehingga dapat mengidentifikasi nilai mana yang menghasilkan RMSE terkecil. Sayangnya, proses ini terlalu lama untuk diselesaikan di sini, namun sebagai referensi, berikut cara melakukannya:

#Fit cross validator ke himpunan data 'train'
model = cv.fit(train)

#Ekstrak model terbaik dari model cv di atas
best_model = model.bestModel

Kode ini telah dijalankan secara terpisah, dan best_model telah diidentifikasi serta disimpan untuk Anda gunakan. Gunakan perintah yang diberikan untuk mengekstrak parameter model tersebut.

Latihan ini merupakan bagian dari kursus

Membangun Recommendation Engine dengan PySpark

Lihat Kursus

Instruksi latihan

  • Cetak type(best_model) untuk memastikan bahwa model ALS yang dibangun dari opsi hyperparameter kita sudah selesai. Pernyataan print diperlukan di sini agar dapat digunakan dengan pernyataan print berikutnya.
  • Ekstrak rank dari best_model dengan memanggil metode .getRank() pada best_model.
  • Ekstrak maxIter dari best_model dengan memanggil metode .getMaxIter() pada best_model.
  • Ekstrak regParam dari best_model dengan memanggil metode .getRegParam() pada best_model.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Print best_model
print(____)

# Complete the code below to extract the ALS model parameters
print("**Best Model**")

# Print "Rank"
print("  Rank:", best_model.get____())

# Print "MaxIter"
print("  MaxIter:", best_model.get____())

# Print "RegParam"
print("  RegParam:", best_model.get____())
Edit dan Jalankan Kode