ПочатиПочніть безкоштовно

Найкраща модель і її параметри

Тепер, коли ми побудували наш крос-валіда́тор cv, можемо доручити Spark узяти дані, підігнати до них алгоритм ALS і перебрати різні комбінації значень гіперпараметрів з param_grid, щоб визначити, які значення дають найменший RMSE. На жаль, тут це триває надто довго, але для прикладу ось як це робиться:

#Fit cross validator to the 'train' dataset
model = cv.fit(train)

#Extract best model from the cv model above
best_model = model.bestModel

Цей код було запущено окремо, і best_model уже визначено та збережено для вашого використання. Скористайтеся наведеними командами, щоб отримати параметри моделі.

Ця вправа є частиною курсу

Створення рушіїв рекомендацій у PySpark

Переглянути курс

Інструкції до вправи

  • Надрукуйте type(best_model), щоб переконатися, що модель ALS, побудована з наших варіантів гіперпараметрів, справді готова. Тут потрібен оператор друку, щоб надалі працювати з наступними операторами друку.
  • Отримайте rank з best_model, викликавши метод .getRank() у best_model.
  • Отримайте maxIter з best_model, викликавши метод .getMaxIter() у best_model.
  • Отримайте regParam з best_model, викликавши метод .getRegParam() у best_model.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Print best_model
print(____)

# Complete the code below to extract the ALS model parameters
print("**Best Model**")

# Print "Rank"
print("  Rank:", best_model.get____())

# Print "MaxIter"
print("  MaxIter:", best_model.get____())

# Print "RegParam"
print("  RegParam:", best_model.get____())
Редагувати та запускати код