构建交叉验证流水线

现在我们已经有了数据、训练/测试集拆分、模型和超参数取值，接下来需要告诉 Spark 如何对模型进行交叉验证，从而找到最佳的超参数组合并返回给我们。

本练习是课程的一部分

使用 PySpark 构建推荐引擎

练习说明

创建一个名为 cv 的 CrossValidator，以我们的 als 模型作为 estimator，将 estimatorParamMaps 设为您刚构建的 param_grid。告诉 Spark 使用我们之前构建的 "evaluator" 作为 evaluator。将 numFolds 设为 5。
通过打印 cv 来确认已成功构建 cv。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Build cross validation using CrossValidator
____ = CrossValidator(estimator=____, estimatorParamMaps=____, evaluator=____, numFolds=____)

# Confirm cv was built
print(____)

编辑并运行代码