BaşlayınÜcretsiz başlayın

Test/train bölmeleri oluştur ve ALS modelini kur

Önceki bölümde yaptığın gibi, bir ALS modeli nasıl kurulacağını zaten biliyorsun. Bunu yeniden yapacağız ama bu kez tam bir çapraz doğrulamalı model kurmak için ek adımlar da atacağız.

Önce, gerekli fonksiyonları içe aktaralım ve çapraz doğrulama adımına hazırlık olarak eğitim ve test veri kümelerimizi oluşturalım.

Bu egzersiz, kursun bir parçasıdır

PySpark ile Öneri Motorları Oluşturma

Kursa Göz Atın

Egzersiz talimatları

  • ml.evaluation içinden RegressionEvaluatorı, ml.recommendation içinden ALS algoritmasını ve ml.tuning içinden ParamGridBuilder ile CrossValidatorı içe aktar.
  • ratings verisi üzerinde randomSplit metodunu kullanarak %0.80/%0.20 eğitim/test bölmesi oluştur. Veri kümelerini train ve test olarak adlandır ve rastgelelik tohumunu 1234 olarak ayarla.
  • ALS modelini kurarken Spark'a ratings veri çerçevesindeki userCol, itemCol ve ratingCola karşılık gelen sütun adlarını söyle. nonnegative argümanını True, coldStartStrategyyi "drop" ve bu verilerin implicitPrefs olmadığını belirtmek için implicitPrefs argümanını False olarak ayarla. Bu modele als adını ver.
  • als üzerinde type() fonksiyonunu çağırarak modelin oluşturulduğunu doğrula. Çıktı, bunun ne tür bir model olduğunu göstermelidir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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(____)
Kodu Düzenle ve Çalıştır