建立 RMSE 評估器

現在你已經知道如何將模型擬合到訓練資料並產生測試預測，接下來需要一個方法來評估模型表現如何。為此我們要建立一個 evaluator。Spark 中的評估器可以用多種方式建立。在這裡，我們需要一個能計算 RMSE 的 regressionEvaluator。建立好 regressionEvaluator 之後，就能把模型擬合到資料並產生預測。

本練習屬於課程

使用 PySpark 打造推薦引擎

檢視課程

練習說明

從 pyspark.ml.evaluation 類別匯入所需的 RegressionEvaluator 套件。
完成 evaluator 的程式碼，將 metric name 指定為 "rmse"。把 labelCol 設為 ratings 資料中包含評分的欄位名稱（使用 ratings.columns 方法查看欄位名稱），並將預測欄位名稱設為 "prediction"。
透過從 evaluator 取出以下三個參數，確認 evaluator 已正確建立。請在各自的 print 敘述中執行下列 3 行程式碼：
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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____())

編輯並執行程式碼