Ein Regressionsmodell erstellen

Einer der großen Vorteile des PySpark-ML-Moduls ist, dass sich die meisten Algorithmen ausprobieren und testen lassen, ohne viel Code zu ändern. Random-Forest-Regression ist ein relativ einfaches Ensemble-Modell, das Bagging zum Anpassen nutzt. Ein weiteres baumbasiertes Ensemble-Modell sind Gradient Boosted Trees, die eine andere Methode namens Boosting verwenden. In dieser Übung trainieren wir einen GBTRegressor.

Diese Übung ist Teil des Kurses

<Kurs>Feature Engineering mit PySpark</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere GBTRegressor aus pyspark.ml.regression. Du wirst sehen, dass es dasselbe Modul ist wie RandomForestRegressor.
Instanziiere GBTRegressor mit featuresCol, gesetzt auf die Vektorspalte unserer Merkmale namens features, labelCol, gesetzt auf unsere abhängige Variable SALESCLOSEPRICE, und dem zufälligen seed auf 42.
Trainiere das Modell, indem du fit() auf gbt mit den importierten Trainingsdaten train_df aufrufst.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

from ____ import ____

# Train a Gradient Boosted Trees (GBT) model.
gbt = ____(featuresCol=____,
                           labelCol=____,
                           predictionCol="Prediction_Price",
                           seed=____
                           )

# Train model.
model = gbt.fit(train_df)

Code bearbeiten und ausführen