构建隐式模型

既然所有超参数都已指定，让 Spark 构建足够多的模型以测试每一种组合。为此，这里提供了一个 for 循环。请按照下方说明自动创建这些 ALS 模型。接下来的练习中，您将把这些模型运行在测试数据集上，查看哪一个表现最佳。

ALS 算法已为您导入。您在上一个练习中创建的列表（ranks、maxIters、regParams、alphas）也已为您准备好。

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

这里提供了一个名为 model_list 的空列表。for 循环会为给定的每组超参数创建一个模型，并将其放入 model_list 中。
通过引用各列表的内容来完成 for 循环，其中 r 表示 ranks 列表中的元素，mi 表示 maxIters 列表中的元素，rp 表示 regParams 列表中的元素，a 表示 alphas 列表中的元素。
打印 len(model_list) 以及 model_list，以确认每个模型都已创建。长度应等于上面每个超参数列表长度的乘积。您也可以运行提供的额外校验以确保无误。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# For loop will automatically create and store ALS models
for r in ____:
    for mi in ____:
        for rp in ____:
            for a in ____:
                model_list.append(ALS(userCol= "userId", itemCol= "songId", ratingCol= "num_plays", rank = r, maxIter = mi, regParam = rp, alpha = a, coldStartStrategy="drop", nonnegative = True, implicitPrefs = True))

# Print the model list, and the length of model_list
print (model_list, "Length of model_list: ", len(____))

# Validate
len(model_list) == (len(ranks)*len(maxIters)*len(regParams)*len(alphas))

编辑并运行代码