Miglior modello e relativi parametri

Ora che abbiamo costruito il nostro validatore incrociato, cv, possiamo chiedere a Spark di prendere i nostri dati, adattare l'algoritmo ALS e provare le diverse combinazioni di valori degli iperparametri dal nostro param_grid, così da identificare quali valori producono l'RMSE più basso. Purtroppo qui richiederebbe troppo tempo, ma per riferimento, ecco come si fa:

# Adatta il validatore incrociato al dataset 'train'
model = cv.fit(train)

# Estrai il miglior modello dal modello cv sopra
best_model = model.bestModel

Questo codice è stato eseguito separatamente e il best_model è stato identificato e salvato per te. Usa i comandi forniti per estrarre i parametri del modello.

Questo esercizio fa parte del corso

Costruire motori di raccomandazione con PySpark

Visualizza corso

Istruzioni dell'esercizio

Stampa type(best_model) per confermare che il modello ALS costruito dalle nostre opzioni di iperparametri è effettivamente pronto. Qui è necessaria un'istruzione di stampa per poter usare le successive.
Estrai il rank da best_model chiamando il metodo .getRank() su best_model.
Estrai maxIter da best_model chiamando il metodo .getMaxIter() su best_model.
Estrai regParam da best_model chiamando il metodo .getRegParam() su best_model.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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____())

Modifica ed esegui il codice