เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดลที่ดีที่สุดและพารามิเตอร์ของโมเดล

เมื่อสร้าง cross validator cv เสร็จแล้ว เราสามารถสั่งให้ Spark นำข้อมูลไป fit อัลกอริทึม ALS และทดลองค่า hyperparameter ต่างๆ จาก param_grid เพื่อหาค่าที่ให้ RMSE ต่ำที่สุด อย่างไรก็ตาม กระบวนการนี้ใช้เวลานานเกินไปที่จะรันในที่นี้ แต่สำหรับข้อมูลอ้างอิง วิธีการทำมีดังนี้:

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

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

โค้ดดังกล่าวได้รันไว้แล้วแยกต่างหาก และ best_model ถูกบันทึกไว้ให้พร้อมใช้งาน ให้ใช้คำสั่งที่กำหนดเพื่อดึงค่าพารามิเตอร์ของโมเดล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พิมพ์ type(best_model) เพื่อยืนยันว่าโมเดลที่ ALS สร้างจากตัวเลือก hyperparameter นั้นเสร็จสมบูรณ์แล้ว จำเป็นต้องใช้ print statement เพื่อให้ทำงานร่วมกับ print statement ถัดไปได้
  • ดึงค่า rank จาก best_model โดยเรียกใช้เมธอด .getRank() บน best_model
  • ดึงค่า maxIter จาก best_model โดยเรียกใช้เมธอด .getMaxIter() บน best_model
  • ดึงค่า regParam จาก best_model โดยเรียกใช้เมธอด .getRegParam() บน best_model

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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____())
แก้ไขและรันโค้ด