เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างชุดข้อมูล test/train และสร้างโมเดล ALS

คุณรู้จักวิธีสร้างโมเดล ALS แล้วจากบทที่ผ่านมา ในบทนี้เราจะทำสิ่งเดิมอีกครั้ง แต่จะเพิ่มขั้นตอนเพื่อสร้างโมเดลที่ผ่านการ cross-validation อย่างสมบูรณ์

เริ่มต้นด้วยการ import ฟังก์ชันที่จำเป็น และสร้างชุดข้อมูล train และ test เพื่อเตรียมพร้อมสำหรับขั้นตอน cross validation

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import RegressionEvaluator จาก ml.evaluation, อัลกอริทึม ALS จาก ml.recommendation และ ParamGridBuilder กับ CrossValidator จาก ml.tuning
  • แบ่งชุดข้อมูล ratings เป็น train/test ในสัดส่วน 80/20 โดยใช้เมธอด randomSplit ตั้งชื่อชุดข้อมูลว่า train และ test และกำหนด random seed เป็น 1234
  • สร้างโมเดล ALS โดยระบุชื่อคอลัมน์ใน dataframe ratings ที่ตรงกับ userCol, itemCol และ ratingCol ตั้งค่าอาร์กิวเมนต์ nonnegative เป็น True, coldStartStrategy เป็น "drop" และกำหนด implicitPrefs เป็น False เพื่อระบุว่าไม่ใช่ข้อมูลแบบ implicit จากนั้นตั้งชื่อโมเดลนี้ว่า als
  • ตรวจสอบว่าสร้างโมเดลสำเร็จโดยเรียกฟังก์ชัน type() บน als ผลลัพธ์ที่ได้จะแสดงประเภทของโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the required functions
from pyspark.ml.evaluation import ____
from pyspark.ml.recommendation import ____
from pyspark.ml.tuning import ____, ____

# Create test and train set
(train, test) = ratings.___([0.____, 0.____], seed = ____)

# Create ALS model
als = ALS(userCol="____", itemCol="____", ratingCol="____", nonnegative = ____, implicitPrefs = ____)

# Confirm that a model called "als" was created
type(____)
แก้ไขและรันโค้ด