Spark'a ALS modelini nasıl ayarlayacağını söyle

• pyspark.ml.evaluation içinden RegressionEvaluator'ı ve pyspark.ml.tuning içinden ParamGridBuilder ile CrossValidator'ı içe aktar.
• Verilen ParamGridBuilder'ı kullanarak param_grid adlı bir ParamGrid oluştur. Her bir hiperparametre için modelin adı ve hiperparametrenin adını vererek .addGrid() metodunu çağır (ör.: .addGrid(als.rank, [])). Bunu rank, maxIter ve regParam hiperparametreleri için yap. Ayrıca Spark'ın denemesi gereken ilgili hiperparametre değer listelerini aşağıdaki gibi ver:

 rank: [10, 50, 100, 150]  
 maxIter: [5, 50, 100, 200]  
 regParam: [.01, .05, .1, .15]  

• evaluator adlı bir RegressionEvaluator oluştur. metricName'i "rmse" olarak, labelCol'u "rating" olarak ayarla ve Spark'a tahminler oluşturduğunda predictionCol için "prediction" adını kullanmasını söyle.
• len(param_grid) çalıştırarak param_grid'in oluşturulduğunu ve doğru sayıda hiperparametre kombinasyonunun test edileceğini doğrula. Bu değer, ParamGridBuilder içindeki rank değerlerinin sayısı * maxIter değerlerinin sayısı * regParam değerlerinin sayısına eşit olmalı.

# Import the requisite items
from pyspark.ml.evaluation import ____
from pyspark.ml.____ import ____, ____

# Add hyperparameters and their respective values to param_grid
____ = ParamGridBuilder() \
            .addGrid(als.rank, [____, ____, ____, ____]) \
            .addGrid(als.____, [____, ____, ____, ____]) \
            .addGrid(als.____, [____, ____, ____, ____]) \
            .build()
           
# Define evaluator as RMSE and print length of evaluator
____ = RegressionEvaluator(metricName="____", labelCol="____", predictionCol="____") 
print ("Num models to be tested: ", len(param_grid))