เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้างโมเดล implicit

เมื่อกำหนดค่า hyperparameter ครบทุกตัวแล้ว มาให้ Spark สร้างโมเดลให้ครบทุก combination กันเลย โดยมี for loop เตรียมไว้ให้แล้ว ทำตามคำแนะนำด้านล่างเพื่อสร้างโมเดล ALS เหล่านี้โดยอัตโนมัติ ในแบบฝึกหัดถัดไป จะนำโมเดลเหล่านี้ไปทดสอบกับชุดข้อมูลทดสอบเพื่อดูว่าโมเดลใดให้ผลดีที่สุด

อัลกอริทึม ALS ถูก import ให้แล้ว และลิสต์ที่สร้างไว้ในแบบฝึกหัดที่แล้ว (ranks, maxIters, regParams, alphas) ก็ถูกเตรียมไว้ให้เรียบร้อยแล้วเช่นกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • มีลิสต์ว่างชื่อ model_list เตรียมไว้ให้แล้ว for loop จะสร้างโมเดลสำหรับทุก combination ของ hyperparameter ที่กำหนด แล้วนำไปเก็บไว้ใน model_list
  • เติม for loop ให้สมบูรณ์โดยอ้างอิงเนื้อหาของแต่ละลิสต์ โดย r แทนสมาชิกของลิสต์ ranks, mi แทนสมาชิกของลิสต์ maxIters, rp แทนสมาชิกของลิสต์ regParams และ a แทนสมาชิกของลิสต์ alphas
  • พิมพ์ len(model_list) และ model_list เพื่อตรวจสอบว่าสร้างโมเดลครบทุกตัวแล้ว โดยค่าความยาวควรเท่ากับผลคูณของความยาวของลิสต์ hyperparameter แต่ละรายการข้างต้น สามารถรันโค้ดตรวจสอบที่เตรียมไว้ให้เพื่อยืนยันความถูกต้อง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# For loop will automatically create and store ALS models
for r in ____:
    for mi in ____:
        for rp in ____:
            for a in ____:
                model_list.append(ALS(userCol= "userId", itemCol= "songId", ratingCol= "num_plays", rank = r, maxIter = mi, regParam = rp, alpha = a, coldStartStrategy="drop", nonnegative = True, implicitPrefs = True))

# Print the model list, and the length of model_list
print (model_list, "Length of model_list: ", len(____))

# Validate
len(model_list) == (len(ranks)*len(maxIters)*len(regParams)*len(alphas))
แก้ไขและรันโค้ด