生成预测并计算 RMSE

现在我们已经在数据上训练了模型，并通过交叉验证完成了调优，接下来看看它在 test 数据框上的表现。为此，我们将计算 RMSE。

另外说明一下：在该数据集上生成测试集预测需要超过几分钟。出于练习体验考虑，这里已经预先生成好测试集预测，并以名为 test_predictions 的数据框提供。供您参考，它是通过以下代码生成的：test_predictions = best_model.transform(test)。

本练习是课程的一部分

使用 PySpark 构建推荐引擎

数据框 test_predictions 包含我们用之前创建的 test 集通过交叉验证过的 ALS 模型生成的预测。使用 .show() 方法查看它，看看预测是否接近。
使用您之前构建的 evaluator，在生成的 test_predictions 上调用 .evaluate() 方法，计算 RMSE。将其命名为 RMSE。
打印 RMSE。

通过完成这段示例代码来试试这个练习。

# View the predictions 
test_predictions.____()

# Calculate and print the RMSE of test_predictions
RMSE = evaluator.____(____)
print(____)