Construir avaliador de RMSE

Agora que você já sabe como ajustar um modelo aos dados de treino e gerar previsões de teste, é preciso uma forma de avaliar o desempenho do modelo. Para isso, vamos construir um evaluator. Avaliadores no Spark podem ser criados de várias maneiras. No nosso caso, queremos um regressionEvaluator que calcule o RMSE. Depois de construir o regressionEvaluator, podemos ajustar o modelo aos nossos dados e gerar previsões.

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

Importe o pacote RegressionEvaluator da classe pyspark.ml.evaluation.
Complete o código do evaluator, especificando o metric name como "rmse". Defina labelCol como o nome da coluna no nosso conjunto ratings que contém as avaliações (use o método ratings.columns para ver os nomes das colunas) e defina o nome da coluna de prediction como "prediction".
Confirme que o evaluator foi criado corretamente extraindo cada um dos três parâmetros. Faça isso executando as 3 linhas de código a seguir, cada uma dentro de um print:
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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____())

Editar e Executar Código