Crea un valutatore RMSE

Ora che sai come adattare un modello ai dati di training e generare le previsioni sul test, ti serve un modo per valutare quanto bene performa il modello. Per questo costruiremo un evaluator. In Spark i valutatori possono essere creati in vari modi. Nel nostro caso vogliamo un regressionEvaluator che calcoli l’RMSE. Dopo aver costruito il nostro regressionEvaluator, potremo adattare il modello ai dati e generare le previsioni.

Questo esercizio fa parte del corso

Costruire motori di raccomandazione con PySpark

Visualizza corso

Istruzioni dell'esercizio

Importa il package RegressionEvaluator dalla classe pyspark.ml.evaluation.
Completa il codice dell’evaluator, specificando il metric name come "rmse". Imposta labelCol al nome della colonna nei nostri dati ratings che contiene i punteggi (usa il metodo ratings.columns per vedere i nomi delle colonne) e imposta il nome della colonna di prediction a "prediction".
Conferma che l’evaluator sia stato creato correttamente estraendo da esso ciascuno dei tre parametri. Fallo eseguendo le seguenti 3 righe di codice, ciascuna all’interno di una print:
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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____())

Modifica ed esegui il codice