Crie divisões de treino/teste e construa seu modelo ALS

Você já sabe como construir um modelo ALS, pois fez isso no capítulo anterior. Vamos repetir o processo, mas agora vamos dar alguns passos adicionais para montar um modelo com validação cruzada completa.

Primeiro, vamos importar as funções necessárias e criar nossos conjuntos de treino e teste, preparando tudo para a etapa de validação cruzada.

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

Importe o RegressionEvaluator de ml.evaluation, o algoritmo ALS de ml.recommendation, e o ParamGridBuilder e o CrossValidator de ml.tuning.
Crie uma divisão de treino/teste .80/.20 nos dados ratings usando o método randomSplit. Nomeie os conjuntos como train e test, e defina a semente aleatória como 1234.
Construa o modelo ALS informando ao Spark os nomes das colunas no dataframe ratings que correspondem a userCol, itemCol e ratingCol. Defina o argumento nonnegative como True, o coldStartStrategy como "drop" e informe ao Spark que estas não são implicitPrefs definindo o argumento implicitPrefs como False. Dê a este modelo o nome als.
Verifique se o modelo foi criado chamando a função type() em als. A saída deve indicar qual é o tipo do modelo.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Import the required functions
from pyspark.ml.evaluation import ____
from pyspark.ml.recommendation import ____
from pyspark.ml.tuning import ____, ____

# Create test and train set
(train, test) = ratings.___([0.____, 0.____], seed = ____)

# Create ALS model
als = ALS(userCol="____", itemCol="____", ratingCol="____", nonnegative = ____, implicitPrefs = ____)

# Confirm that a model called "als" was created
type(____)

Editar e Executar Código