最佳模型与其参数

现在我们已经构建好了交叉验证器 cv，可以让 Spark 读取数据，拟合 ALS 算法，并从 param_grid 中尝试不同的超参数组合，从而找出使 RMSE 最小的取值。遗憾的是，这一步在此处运行会耗时过长，但供您参考，实际做法如下：

#Fit cross validator to the 'train' dataset
model = cv.fit(train)

#Extract best model from the cv model above
best_model = model.bestModel

上述代码已在别处运行，best_model 已为您识别并保存。请使用给定的命令提取该模型的参数。

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

打印 type(best_model)，确认由我们的超参数选项构建的 ALS 模型确已完成。此处需要使用打印语句，以便后续打印语句正常工作。
通过在 best_model 上调用 .getRank() 方法，提取 rank。
通过在 best_model 上调用 .getMaxIter() 方法，提取 maxIter。
通过在 best_model 上调用 .getRegParam() 方法，提取 regParam。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Print best_model
print(____)

# Complete the code below to extract the ALS model parameters
print("**Best Model**")

# Print "Rank"
print("  Rank:", best_model.get____())

# Print "MaxIter"
print("  MaxIter:", best_model.get____())

# Print "RegParam"
print("  RegParam:", best_model.get____())

编辑并运行代码