将 Movie Lens 数据集加载到 RDD

协同过滤是一种用于推荐系统的技术，它利用用户对各类产品的评分与交互来推荐新的内容。随着机器学习与数据并行处理的发展，推荐系统在近几年广泛流行，并被应用于电影、音乐、新闻、图书、研究文章、搜索查询、社交标签等多个领域。在这个由 3 个部分组成的练习中，您的目标是使用 PySpark MLlib，并基于 MovieLens 100k 数据集的一个子集，开发一个简单的电影推荐系统。

在第一部分，您将把 MovieLens 数据集（ratings.csv）加载为 RDD。RDD 中的每一行格式为 userId,movieId,rating,timestamp。您需要在去除时间戳列后，将其映射为 Ratings 对象（userID, productID, rating），最后将该 RDD 划分为训练 RDD 和测试 RDD。

请记住，您的工作区中已提供 SparkContext sc。变量 file_path（即 ratings.csv 文件路径）以及 ALS 所用的类（即 Rating）也已在您的工作区中就绪。

本练习是课程的一部分

使用 PySpark 的大数据基础

查看课程

练习说明

将 ratings.csv 数据集加载为一个 RDD。
使用 , 作为分隔符拆分 RDD。
对 RDD 的每一行，使用 Rating() 类创建 userID, productID, rating 三元组。
将数据随机划分为训练集与测试集（0.8 和 0.2）。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Load the data into RDD
data = sc.____(file_path)

# Split the RDD 
ratings = data.____(lambda l: l.split('____'))

# Transform the ratings RDD 
ratings_final = ratings.____(lambda line: Rating(int(line[0]), int(____), float(____)))

# Split the data into training and test
training_data, test_data = ratings_final.____([0.8, 0.2])

编辑并运行代码