НачатьНачать бесплатно

Лучшая модель и её параметры

Теперь, когда перекрёстный валидатор cv готов, можно указать Spark обучить алгоритм ALS на наших данных и перебрать различные комбинации значений гиперпараметров из param_grid, чтобы найти те, которые обеспечивают наименьшее значение RMSE. К сожалению, в текущей среде это займёт слишком много времени, однако для справки приведём, как это делается:

#Fit cross validator to the 'train' dataset
model = cv.fit(train)

#Extract best model from the cv model above
best_model = model.bestModel

Этот код был выполнен отдельно, и best_model уже определена и сохранена для вас. Используйте приведённые команды, чтобы извлечь параметры модели.

Это упражнение является частью курса

Построение рекомендательных систем с помощью PySpark

Посмотреть курс

Инструкции к упражнению

  • Выведите type(best_model), чтобы убедиться, что модель ALS, построенная на основе заданных вариантов гиперпараметров, действительно готова. Оператор print необходим здесь для корректной работы с последующими операторами вывода.
  • Извлеките rank из best_model, вызвав метод .getRank() на объекте best_model.
  • Извлеките maxIter из best_model, вызвав метод .getMaxIter() на объекте best_model.
  • Извлеките regParam из best_model, вызвав метод .getRegParam() на объекте best_model.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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____())
Редактировать и запускать код