grid_search.py

# Define a grade de hiperparâmetros
param_grid = {
    'n_factors': [10, 100, 200, 400],  
    'lr_all': [0.002, 0.005, 0.007, 0.009],
    'n_epochs':[20, 100, 200, 400]
}

# Ajusta os modelos na grade com Validação Cruzada
gs = GridSearchCV(SVD, param_grid, measures=['mae', 'rmse'], cv=5, n_jobs=-1)
gs.fit(data)

# Mostra os melhores parãmetros encontrados para MAE e RMSE
## RMSE
print(f"RMSE:{gs.best_score['rmse']:.3f}")
print(gs.best_params['rmse'])
      
## MAE
print(f"MAE:{gs.best_score['mae']:.3f}")
print(gs.best_params['mae'])