Penerbangan terlambat dengan Gradient-Boosted Trees
Sebelumnya Anda telah membangun sebuah classifier untuk memprediksi penerbangan yang kemungkinan terlambat menggunakan Decision Tree. Dalam latihan ini Anda akan membandingkan model Decision Tree dengan model Gradient-Boosted Trees.
Data penerbangan telah dipecah secara acak menjadi flights_train dan flights_test.
Latihan ini adalah bagian dari kursus
Machine Learning dengan PySpark
Petunjuk latihan
- Impor kelas yang diperlukan untuk membuat classifier Decision Tree dan Gradient-Boosted Tree.
- Buat classifier Decision Tree dan Gradient-Boosted Tree. Latih pada data pelatihan.
- Buat sebuah evaluator dan hitung AUC pada data pengujian untuk kedua classifier. Model mana yang kinerjanya lebih baik?
- Untuk classifier Gradient-Boosted Tree, cetak jumlah tree dan tingkat kepentingan relatif tiap fitur.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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.____)