Mulai sekarangMulai gratis

Buat split data train/test dan bangun model ALS Anda

Anda sudah mengetahui cara membangun model ALS, karena telah melakukannya di bab sebelumnya. Kita akan melakukannya lagi, tetapi kita akan menambahkan beberapa langkah untuk membangun model tervalidasi silang secara lengkap.

Pertama, mari impor fungsi yang diperlukan dan buat himpunan data train dan test sebagai persiapan untuk langkah validasi silang.

Latihan ini merupakan bagian dari kursus

Membangun Recommendation Engine dengan PySpark

Lihat Kursus

Instruksi latihan

  • Impor RegressionEvaluator dari ml.evaluation, algoritme ALS dari ml.recommendation, serta ParamGridBuilder dan CrossValidator dari ml.tuning.
  • Buat split train/test .80/.20 pada data ratings menggunakan metode randomSplit. Beri nama himpunan data tersebut train dan test, serta atur random seed ke 1234.
  • Bangun model ALS, beri tahu Spark nama kolom dalam dataframe ratings yang sesuai dengan userCol, itemCol, dan ratingCol. Atur argumen nonnegative ke True, coldStartStrategy ke "drop" dan beri tahu Spark bahwa ini bukan implicitPrefs dengan mengatur argumen implicitPrefs ke False. Sebut model ini als.
  • Verifikasi bahwa model telah dibuat dengan memanggil fungsi type() pada als. Keluaran yang dihasilkan harus menunjukkan tipe model tersebut.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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(____)
Edit dan Jalankan Kode