ПочатиПочніть безкоштовно

Створіть розбиття на test/train і побудуйте свою модель ALS

Ви вже вмієте будувати модель ALS — ви робили це в попередньому розділі. Зробимо це знову, але додамо кроки, щоб повністю побудувати крос-валідаційну модель.

Спочатку імпортуємо потрібні функції та створимо тренувальний і тестовий набори даних для підготовки до етапу крос-валідації.

Ця вправа є частиною курсу

Створення рушіїв рекомендацій у PySpark

Переглянути курс

Інструкції до вправи

  • Імпортуйте RegressionEvaluator з ml.evaluation, алгоритм ALS з ml.recommendation, а також ParamGridBuilder і CrossValidator з ml.tuning.
  • Створіть розбиття train/test .80/.20 для даних ratings, використовуючи метод randomSplit. Назвіть вибірки train і test, а випадкове зерно встановіть у 1234.
  • Побудуйте модель ALS, вказавши Spark назви стовпців у датафреймі ratings, що відповідають userCol, itemCol і ratingCol. Встановіть аргумент nonnegative у True, coldStartStrategy — у "drop" і повідомте Spark, що це не implicitPrefs, установивши аргумент implicitPrefs у False. Назвіть цю модель als.
  • Перевірте, що модель створено, викликавши функцію type() для als. У результаті має бути зазначено, якого типу ця модель.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(____)
Редагувати та запускати код