pyspark.ml.evaluation から RegressionEvaluator を、pyspark.ml.tuning から ParamGridBuilder と CrossValidator をインポートします。
提供された ParamGridBuilder を使って、param_grid という名前の ParamGrid を作成します。各ハイパーパラメータに対して、モデル名とハイパーパラメータ名を指定して .addGrid() メソッドを呼び出します（例: .addGrid(als.rank, [])）。対象は rank、maxIter、regParam の各ハイパーパラメータです。あわせて、Spark が試すべきハイパーパラメータ値のリストも次のとおり指定します:

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

evaluator という名前の RegressionEvaluator を作成します。metricName は "rmse"、labelCol は "rating" に設定し、予測を生成する際の列名として predictionCol を "prediction" に設定します。
len(param_grid) を実行して、param_grid が作成されたことと、正しい数のハイパーパラメータの組み合わせがテストされることを確認しましょう。これは ParamGridBuilder 内の rank の値の数 × maxIter の値の数 × regParam の値の数と等しくなるはずです。

MovieLens データでの ALS モデル構築