Construa seu pipeline de validação cruzada

Agora que temos nossos dados, as divisões de treino/teste, nosso modelo e nossos valores de hiperparâmetros, vamos dizer ao Spark como fazer a validação cruzada do modelo para encontrar a melhor combinação de hiperparâmetros e retorná-la para você.

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

Crie um CrossValidator chamado cv com nosso modelo als como estimator, definindo estimatorParamMaps para o param_grid que você acabou de montar. Diga ao Spark que o evaluator a ser usado é o "evaluator" que criamos anteriormente. Defina numFolds como 5.
Confirme que nosso cv foi criado imprimindo cv.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

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

# Confirm cv was built
print(____)

Editar e Executar Código