Beritahu Spark cara menyetel model ALS Anda

• Impor RegressionEvaluator dari pyspark.ml.evaluation serta ParamGridBuilder dan CrossValidator dari pyspark.ml.tuning.
• Bangun ParamGrid bernama param_grid menggunakan ParamGridBuilder yang disediakan. Panggil metode .addGrid() pada setiap hiperparameter dengan memberikan nama model dan nama masing-masing hiperparameter (contoh: .addGrid(als.rank, [])). Lakukan ini untuk hiperparameter rank, maxIter, dan regParam. Sertakan juga daftar nilai hiperparameter yang harus dicoba Spark, seperti berikut:

 rank: [10, 50, 100, 150]  
 maxIter: [5, 50, 100, 200]  
 regParam: [.01, .05, .1, .15]  

• Buat RegressionEvaluator bernama evaluator. Atur metricName ke "rmse", atur labelCol ke "rating", dan beri tahu Spark bahwa saat menghasilkan prediksi, gunakan predictionCol bernama "prediction".
• Jalankan len(param_grid) untuk memastikan bahwa param_grid telah dibuat dan untuk memastikan jumlah kombinasi hiperparameter yang benar akan diuji. Nilainya harus sama dengan jumlah nilai rank × jumlah nilai maxIter × jumlah nilai regParam dalam ParamGridBuilder.

# Import the requisite items
from pyspark.ml.evaluation import ____
from pyspark.ml.____ import ____, ____

# Add hyperparameters and their respective values to param_grid
____ = ParamGridBuilder() \
            .addGrid(als.rank, [____, ____, ____, ____]) \
            .addGrid(als.____, [____, ____, ____, ____]) \
            .addGrid(als.____, [____, ____, ____, ____]) \
            .build()
           
# Define evaluator as RMSE and print length of evaluator
____ = RegressionEvaluator(metricName="____", labelCol="____", predictionCol="____") 
print ("Num models to be tested: ", len(param_grid))