Executando um modelo ALS implícito com validação cruzada

Agora que temos vários modelos ALS, cada um com um conjunto diferente de hiperparâmetros, podemos treiná-los em uma parte de treino do conjunto de dados msd usando validação cruzada e, em seguida, executá-los em um conjunto de teste para avaliar o desempenho de cada um usando a função ROEM discutida anteriormente. Infelizmente, isso levaria tempo demais para este exercício, então foi feito separadamente. Mas, para sua referência, você pode avaliar seu model_list usando o loop a seguir (neste caso, estamos usando o conjunto de dados msd):

# Split the data into training and test sets
(training, test) = msd.randomSplit([0.8, 0.2])

#Building 5 folds within the training set.
train1, train2, train3, train4, train5 = training.randomSplit([0.2, 0.2, 0.2, 0.2, 0.2], seed = 1)
fold1 = train2.union(train3).union(train4).union(train5)
fold2 = train3.union(train4).union(train5).union(train1)
fold3 = train4.union(train5).union(train1).union(train2)
fold4 = train5.union(train1).union(train2).union(train3)
fold5 = train1.union(train2).union(train3).union(train4)

foldlist = [(fold1, train1), (fold2, train2), (fold3, train3), (fold4, train4), (fold5, train5)]

# Empty list to fill with ROEMs from each model
ROEMS = []

# Loops through all models and all folds
for model in model_list:
    for ft_pair in foldlist:

        # Fits model to fold within training data
        fitted_model = model.fit(ft_pair[0])

        # Generates predictions using fitted_model on respective CV test data
        predictions = fitted_model.transform(ft_pair[1])

        # Generates and prints a ROEM metric CV test data
        r = ROEM(predictions)
        print ("ROEM: ", r)

    # Fits model to all of training data and generates preds for test data
    v_fitted_model = model.fit(training)
    v_predictions = v_fitted_model.transform(test)
    v_ROEM = ROEM(v_predictions)

    # Adds validation ROEM to ROEM list
    ROEMS.append(v_ROEM)
    print ("Validation ROEM: ", v_ROEM)

Para acompanhar os passos com você, as previsões de teste para 192 modelos já foram geradas e seu ROEM foi calculado. Eles estão na lista ROEMS fornecida. Como uma lista não é específica do PySpark e o numpy funciona muito bem com listas, vamos usar numpy aqui. Siga as instruções abaixo para encontrar o melhor ROEM e o modelo que o gerou.