Melhor modelo e seus hiperparâmetros

Agora que montamos nosso validador cruzado, cv, podemos dizer ao Spark para pegar nossos dados, ajustar o algoritmo ALS e testar as diferentes combinações de valores de hiperparâmetros do nosso param_grid, para identificar quais valores geram o menor RMSE. Infelizmente, isso leva tempo demais para concluir aqui, mas, para sua referência, é assim que se faz:

# Ajusta o validador cruzado ao conjunto 'train'
model = cv.fit(train)

# Extrai o melhor modelo do objeto cv acima
best_model = model.bestModel

Esse código foi executado separadamente, e o best_model já foi identificado e salvo para você usar. Use os comandos fornecidos para extrair os parâmetros do modelo.

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

Imprima type(best_model) para confirmar que o modelo ALS construído a partir das nossas opções de hiperparâmetros foi realmente concluído. Aqui é necessário um comando de impressão para funcionar com as próximas instruções de impressão.
Extraia o rank de best_model chamando o método .getRank() em best_model.
Extraia o maxIter de best_model chamando o método .getMaxIter() em best_model.
Extraia o regParam de best_model chamando o método .getRegParam() em best_model.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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____())

Editar e Executar Código