Retards de vols avec une Forêt aléatoire

Dans cet exercice, vous allez combiner la validation croisée et les méthodes d'ensemble. Vous entraînerez un classificateur de Forêt aléatoire pour prédire les vols en retard, en utilisant la validation croisée pour choisir les meilleures valeurs des paramètres du modèle.

Vous chercherez de bonnes valeurs pour les paramètres suivants :

featureSubsetStrategy — le nombre de variables à considérer pour la division à chaque nœud et
maxDepth — le nombre maximal de divisions le long d'une branche.

Malheureusement, l'entraînement de ce modèle est trop long, donc nous n'exécuterons pas la méthode .fit() sur le pipeline.

La classe RandomForestClassifier a déjà été importée dans la session.

Cette activité fait partie du cours

Machine Learning avec PySpark

Voir le cours

Instructions de l’exercice

Créez un objet classificateur de forêt aléatoire.
Créez un objet générateur de grille de paramètres. Ajoutez des points de grille pour les paramètres featureSubsetStrategy et maxDepth.
Créez un évaluateur de classification binaire.
Créez un objet de validation croisée en précisant l'estimateur, la grille de paramètres et l'évaluateur. Choisissez une validation croisée à 5 plis.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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 = ____(____, ____, ____, ____)

Modifier et exécuter le code