Kom igångKom igång gratis

Bästa modell och dess parametrar

Nu när vi har byggt vår korsvaliderare, cv, kan vi instruera Spark att ta våra data, anpassa ALS-algoritmen till dem och testa de olika kombinationerna av hyperparametervärden från vår param_grid – så att den kan identifiera vilka värden som ger minst RMSE. Tyvärr tar detta för lång tid att köra här, men som referens är det så här det går till:

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

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

Den här koden har körts separat, och best_model har identifierats och sparats åt dig. Använd de angivna kommandona för att extrahera modellens parametrar.

Den här övningen är en del av kursen

Bygg rekommendationsmotorer med PySpark

Visa kurs

Övningsinstruktioner

  • Skriv ut type(best_model) för att bekräfta att den modell som ALS byggde utifrån våra hyperparameteralternativ är klar. En print-sats behövs här för att fungera tillsammans med efterföljande print-satser.
  • Extrahera rank från best_model genom att anropa metoden .getRank() på best_model.
  • Extrahera maxIter från best_model genom att anropa metoden .getMaxIter() på best_model.
  • Extrahera regParam från best_model genom att anropa metoden .getRegParam() på best_model.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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____())
Redigera och kör kod