เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างการคาดการณ์และคำนวณ RMSE

เมื่อมีโมเดลที่ผ่านการฝึกและปรับแต่งด้วย cross validation แล้ว เราสามารถทดสอบประสิทธิภาพบน dataframe test ได้โดยการคำนวณค่า RMSE

หมายเหตุ: การสร้างการคาดการณ์ชุดทดสอบอาจใช้เวลาหลายนาทีกับชุดข้อมูลนี้ จึงได้เตรียมผลลัพธ์ไว้ให้แล้วในรูป dataframe ชื่อ test_predictions ซึ่งสร้างจากโค้ด: test_predictions = best_model.transform(test)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • dataframe test_predictions เก็บผลการคาดการณ์ที่โมเดล ALS แบบ cross-validated สร้างขึ้นจากชุดข้อมูล test ที่เราสร้างไว้ก่อนหน้านี้ ใช้เมธอด .show() เพื่อดูข้อมูลและตรวจสอบว่าผลการคาดการณ์ใกล้เคียงกับค่าจริงหรือไม่
  • ใช้ evaluator ที่สร้างไว้เพื่อคำนวณค่า RMSE โดยเรียกเมธอด .evaluate() บน test_predictions แล้วเก็บผลลัพธ์ไว้ในตัวแปรชื่อ RMSE
  • แสดงค่า RMSE ออกทางหน้าจอ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# View the predictions 
test_predictions.____()

# Calculate and print the RMSE of test_predictions
RMSE = evaluator.____(____)
print(____)
แก้ไขและรันโค้ด