產生預測並計算 RMSE

既然我們已經在資料上訓練好模型，並透過交叉驗證完成調參，現在就來看看它在 test 資料框上的表現。為此，我們會計算 RMSE。

補充說明：在這個資料集上產生測試預測需要超過數分鐘。因此，我們已先行產生測試預測，並提供為名為 test_predictions 的資料框。供你參考，它是用以下程式碼產生的：test_predictions = best_model.transform(test)。

本練習屬於課程

使用 PySpark 打造推薦引擎

資料框 test_predictions 包含我們先前以 test 集合所建立、並經過交叉驗證的 ALS 模型所生成的預測。使用 .show() 方法檢視它，看看預測是否接近。
使用你先前建立的 evaluator，對產生的 test_predictions 呼叫 .evaluate() 方法來計算 RMSE。將結果命名為 RMSE。
列印 RMSE。

試著完成這個範例程式碼，體驗一下這個練習。

# View the predictions 
test_predictions.____()

# Calculate and print the RMSE of test_predictions
RMSE = evaluator.____(____)
print(____)