RMSE evaluator を作成する

学習データにモデルを当ててテスト予測を生成する方法が分かったので、次はモデルの性能を評価する方法が必要です。そのためにevaluatorを作成します。Spark の evaluator はさまざまな方法で作成できます。ここでは RMSE を計算するregressionEvaluatorを使います。regressionEvaluatorを作成したら、モデルをデータに適合させて予測を生成できます。

この演習はコースの一部です

PySpark で作る Recommendation Engines

コースを見る

演習の手順

pyspark.ml.evaluation クラスから必要な RegressionEvaluator パッケージをインポートします。
evaluator のコードを完成させ、metric name を "rmse" に指定します。ratings データで評価値が入っている列名を labelCol に設定し（列名は ratings.columns メソッドで確認できます）、prediction 列名は "prediction" に設定します。
evaluator が正しく作成されたことを、次の3つのパラメータを取り出して確認しましょう。各行を print 文で実行します。
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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____())

コードを編集して実行