ПочатиПочніть безкоштовно

Створення оцінювача RMSE

Тепер, коли ви вмієте навчати модель на тренувальних даних і створювати передбачення для тесту, потрібно оцінити, наскільки добре працює ваша модель. Для цього ми створимо evaluator. Оцінювачі в Spark можна налаштовувати різними способами. У нашому випадку нам потрібен regressionEvaluator, який обчислює RMSE. Після того як ми створимо regressionEvaluator, зможемо навчити модель на наших даних і згенерувати передбачення.

Ця вправа є частиною курсу

Створення рушіїв рекомендацій у PySpark

Переглянути курс

Інструкції до вправи

  • Імпортуйте потрібний пакет RegressionEvaluator із класу pyspark.ml.evaluation.
  • Доповніть код evaluator, вказавши metric name як "rmse". Задайте labelCol назвою стовпця в наших даних ratings, який містить оцінки (скористайтеся методом ratings.columns, щоб переглянути назви стовпців), і встановіть назву стовпця з передбаченнями як "prediction".
  • Переконайтеся, що evaluator створено коректно, витягнувши з нього кожен із трьох параметрів. Зробіть це, запустивши такі 3 рядки коду, кожен усередині оператора print:
    • evaluator.getMetricName()
    • evaluator.getLabelCol()
    • evaluator.getPredictionCol()

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import RegressionEvaluator
from pyspark.ml.evaluation import ____

# Complete the evaluator code
evaluator = RegressionEvaluator(metricName="____", labelCol="____", predictionCol="____")

# Extract the 3 parameters
print(evaluator.get____())
print(evaluator.get____())
print(evaluator.get____())
Редагувати та запускати код