Gradient-Boosted Trees के साथ डिले हुई उड़ानों का पता लगाएँ
आपने पहले Decision Tree का उपयोग करके ऐसी उड़ानों के लिए एक क्लासिफायर बनाया था जिनमें देरी होने की संभावना है. इस अभ्यास में आप Decision Tree मॉडल की तुलना Gradient-Boosted Trees मॉडल से करेंगे.
फ्लाइट्स डेटा को रैंडम तरीके से flights_train और flights_test में बाँटा गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PySpark के साथ Machine Learning
अभ्यास निर्देश
- Decision Tree और Gradient-Boosted Tree क्लासिफायर बनाने के लिए ज़रूरी क्लासेस इम्पोर्ट करें.
- Decision Tree और Gradient-Boosted Tree क्लासिफायर बनाएँ. ट्रेनिंग डेटा पर ट्रेन करें.
- एक evaluator बनाएँ और दोनों क्लासिफायर के लिए टेस्टिंग डेटा पर AUC निकालें. कौन सा मॉडल बेहतर प्रदर्शन करता है?
- Gradient-Boosted Tree क्लासिफायर के लिए पेड़ों की संख्या और फीचर्स की सापेक्ष महत्त्वता प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the classes required
from pyspark.ml.____ import ____, ____
from pyspark.ml.evaluation import BinaryClassificationEvaluator
# Create model objects and train on training data
tree = ____().____(____)
gbt = ____().____(____)
# Compare AUC on testing data
evaluator = ____()
print(evaluator.____(tree.____(____)))
print(evaluator.____(gbt.____(____)))
# Find the number of trees and the relative importance of features
print(gbt.____)
print(gbt.____)