Crea la tua pipeline di cross validation

Ora che abbiamo i nostri dati, gli split train/test, il modello e i valori degli iperparametri, diciamo a Spark come eseguire la cross validation del modello così da trovare la migliore combinazione di iperparametri e restituircela.

Questo esercizio fa parte del corso

Costruire motori di raccomandazione con PySpark

Visualizza corso

Istruzioni dell'esercizio

Crea un CrossValidator chiamato cv con il nostro modello als come estimator, impostando estimatorParamMaps al param_grid che hai appena costruito. Indica a Spark che l'evaluator da usare è l'"evaluator" che abbiamo creato in precedenza. Imposta numFolds a 5.
Conferma che il nostro cv è stato creato stampando cv.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Build cross validation using CrossValidator
____ = CrossValidator(estimator=____, estimatorParamMaps=____, evaluator=____, numFolds=____)

# Confirm cv was built
print(____)

Modifica ed esegui il codice