Flights Linear Regression को बेहतर बनाना
अभी तक आपने अपने मॉडल बनाते समय डिफ़ॉल्ट हाइपर-पैरामीटर्स का उपयोग किया है. इस अभ्यास में आप cross validation का उपयोग करके मॉडल के लिए एक optimal (या उसके क़रीब) हाइपर-पैरामीटर्स का सेट चुनेंगे.
निम्नलिखित पहले से बनाए गए हैं:
regression— एकLinearRegressionऑब्जेक्टpipeline— एक pipeline जिसमें string indexer, one-hot encoder, vector assembler और linear regression शामिल हैं, औरevaluator— एकRegressionEvaluatorऑब्जेक्ट.
यह अभ्यास पाठ्यक्रम का हिस्सा है
PySpark के साथ Machine Learning
अभ्यास निर्देश
- एक parameter grid builder बनाइए.
regression.regParam(वैल्यूज़ 0.01, 0.1, 1.0, और 10.0) औरregression.elasticNetParam(वैल्यूज़ 0.0, 0.5, और 1.0) के लिए ग्रिड्स जोड़िए.- ग्रिड को build कीजिए.
- पाँच folds निर्दिष्ट करते हुए एक cross validator बनाइए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create parameter grid
params = ____()
# Add grids for two parameters
params = params.____(____, ____) \
.____(____, ____)
# Build the parameter grid
params = params.____()
print('Number of models to be tested: ', len(params))
# Create cross-validator
cv = ____(estimator=____, estimatorParamMaps=____, evaluator=____, ____)