從 pyspark.ml.evaluation 匯入 RegressionEvaluator，並從 pyspark.ml.tuning 匯入 ParamGridBuilder 與 CrossValidator。
使用提供的 ParamGridBuilder 建立名為 param_grid 的 ParamGrid。對每個超參數呼叫 .addGrid()，傳入模型的名稱與各超參數的名稱（例如：.addGrid(als.rank, [])）。請針對 rank、maxIter 和 regParam 這三個超參數都這麼做。並提供 Spark 應嘗試的超參數值清單，如下：

 rank: [10, 50, 100, 150]  
 maxIter: [5, 50, 100, 200]  
 regParam: [.01, .05, .1, .15]

建立名為 evaluator 的 RegressionEvaluator。將 metricName 設為 "rmse"，labelCol 設為 "rating"，並告訴 Spark 產生預測時將 predictionCol 命名為 "prediction"。
執行 len(param_grid) 以確認 param_grid 已建立，並確認會測試的超參數組合數量是否正確。它應等於 ParamGridBuilder 中 rank 值的數量 × maxIter 值的數量 × regParam 值的數量。

在 MovieLens 資料上的 ALS 模型建置