构建 RMSE 评估器

现在您已经知道如何将模型拟合到训练数据并生成测试集预测，接下来需要评估模型表现如何。为此我们将构建一个 evaluator。在 Spark 中可以用多种方式构建评估器。本练习中，我们需要一个用于计算 RMSE 的 regressionEvaluator。构建好 regressionEvaluator 后，就可以将模型拟合到数据并生成预测。

本练习是课程的一部分

使用 PySpark 构建推荐引擎

查看课程

练习说明

从 pyspark.ml.evaluation 类中导入所需的 RegressionEvaluator 包。
补全 evaluator 代码，将 metric name 指定为 "rmse"。将 labelCol 设为 ratings 数据中包含评分的列名（使用 ratings.columns 方法查看列名），并将预测列名设为 "prediction"。
通过从 evaluator 中提取这 3 个参数，确认其已正确创建。将以下 3 行代码分别放入 print 语句运行：
- evaluator.getMetricName()
- evaluator.getLabelCol()
- evaluator.getPredictionCol()

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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____())

编辑并运行代码