Zpožděné lety s Random Forest

V tomto cvičení zkombinuješ křížovou validaci s metodami ansámblového učení. Natrénuješ klasifikátor Random Forest pro předpovídání zpožděných letů a pomocí křížové validace vybereš nejlepší hodnoty parametrů modelu.

Budeš hledat vhodné hodnoty pro tyto parametry:

featureSubsetStrategy — počet příznaků zvažovaných při dělení v každém uzlu a
maxDepth — maximální počet dělení podél libovolné větve.

Sestrojení tohoto modelu bohužel trvá příliš dlouho, takže metodu .fit() na pipeline spouštět nebudeme.

Třída RandomForestClassifier je již v prostředí naimportována.

Toto cvičení je součástí kurzu

Machine Learning with PySpark

Zobrazit kurz

Pokyny k cvičení

Vytvoř objekt klasifikátoru Random Forest.
Vytvoř objekt pro sestavení mřížky parametrů. Přidej body mřížky pro parametry featureSubsetStrategy a maxDepth.
Vytvoř evaluátor pro binární klasifikaci.
Vytvoř objekt křížového validátoru a zadej estimátor, mřížku parametrů a evaluátor. Zvol 5násobnou křížovou validaci.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a random forest classifier
forest = ____()

# Create a parameter grid
params = ____() \
            .____(____, ['all', 'onethird', 'sqrt', 'log2']) \
            .____(____, [2, 5, 10]) \
            .____()

# Create a binary classification evaluator
evaluator = ____()

# Create a cross-validator
cv = ____(____, ____, ____, ____)

Upravit a spustit kód