शुरू करेंमुफ़्त में शुरू करें

Random Forest का मूल्यांकन

इस अंतिम अभ्यास में आप Random Forest मॉडल पर cross-validation के नतीजों का मूल्यांकन करेंगे.

निम्नलिखित पहले से बनाए गए हैं:

  • cv - एक cross-validator जिसे training डेटा पर पहले ही fit किया जा चुका है
  • evaluator — एक BinaryClassificationEvaluator ऑब्जेक्ट और
  • flights_test — testing डेटा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PySpark के साथ Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • पैरामीटर ग्रिड में सभी मॉडलों के लिए औसत AUC मेट्रिक्स की सूची प्रिंट करें.
  • best मॉडल के लिए औसत AUC दिखाएँ. यह सूची में सबसे बड़ा AUC होगा.
  • best मॉडल के maxDepth और featureSubsetStrategy पैरामीटर की व्याख्या प्रिंट करें.
  • testing डेटा पर best मॉडल की प्रिडिक्शंस के लिए AUC दिखाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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.____(____.____(____)))
कोड संपादित करें और चलाएँ