Random Forest auswerten

In dieser letzten Übung bewertest du die Ergebnisse der Kreuzvalidierung für ein Random Forest-Modell.

Die folgenden sind bereits erstellt worden:

cv - ein Kreuzvalidator, der bereits an die Trainingsdaten angepasst wurde
evaluator - ein BinaryClassificationEvaluator Objekt und
flights_test - die Testdaten.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit PySpark

Kurs anzeigen

Anleitung zur Übung

Druckt eine Liste der durchschnittlichen AUC-Metriken für alle Modelle im Parameterraster.
Zeige den durchschnittlichen AUC für das beste Modell an. Dies wird die größte AUC in der Liste sein.
Drucke eine Erklärung der maxDepth und featureSubsetStrategy Parameter für das beste Modell.
Zeige den AUC für die besten Modellvorhersagen für die Testdaten an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Average AUC for each parameter combination in grid
print(cv.____)

# Average AUC for the best model
print(____(____))

# What's the optimal parameter value for maxDepth?
print(cv.____.explainParam('____'))
# What's the optimal parameter value for featureSubsetStrategy?
print(cv.____.____(____))

# AUC for best model on testing data
print(evaluator.____(____.____(____)))

Code bearbeiten und ausführen