Vytvoření mřížky

Teď je potřeba vytvořit mřížku hodnot, přes které budeme prohledávat optimální hyperparametry. Submodul pyspark.ml.tuning obsahuje třídu ParamGridBuilder, která přesně tohle umí (možná si už začínáš všímat vzoru – PySpark má submodul skoro na všechno!).

K sestavení mřížky pro křížovou validaci použiješ metody .addGrid() a .build(). Metoda .addGrid() přijímá parametr modelu (atribut Estimatoru lr, který jsi vytvořil/a v jednom z předchozích cvičení) a seznam hodnot, které chceš vyzkoušet. Metoda .build() nepřijímá žádné argumenty – jednoduše vrátí sestavenou mřížku, kterou využiješ později.

Toto cvičení je součástí kurzu

Foundations of PySpark

Zobrazit kurz

Pokyny k cvičení

Importuj submodul pyspark.ml.tuning pod aliasem tune.
Zavolej konstruktor třídy ParamGridBuilder() bez argumentů a výsledek ulož jako grid.
Zavolej metodu .addGrid() na objektu grid s argumenty lr.regParam jako prvním a np.arange(0, .1, .01) jako druhým. Tato funkce z modulu numpy (importovaného as np) vytvoří seznam čísel od 0 do .1 s krokem .01. Přepiš proměnnou grid výsledkem.
Aktualizuj grid znovu – zavolej metodu .addGrid() podruhé a vytvoř mřížku pro lr.elasticNetParam obsahující pouze hodnoty [0, 1].
Zavolej metodu .build() na objektu grid a přepiš ho výsledkem.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the tuning submodule
import ____ as ____

# Create the parameter grid
grid = tune.____

# Add the hyperparameter
grid = grid.addGrid(____, np.arange(0, .1, .01))
grid = grid.addGrid(____, ____)

# Build the grid
grid = grid.build()

Upravit a spustit kód