Mengevaluasi Random Forest

Pada latihan terakhir ini, Anda akan mengevaluasi hasil cross-validation pada model Random Forest.

Berikut ini telah disiapkan:

cv — sebuah cross-validator yang sudah di-fit pada data pelatihan
evaluator — sebuah objek BinaryClassificationEvaluator dan
flights_test — data pengujian.

Latihan ini adalah bagian dari kursus

Machine Learning dengan PySpark

Lihat Kursus

Petunjuk latihan

Cetak daftar metrik AUC rata-rata untuk semua model dalam parameter grid.
Tampilkan AUC rata-rata untuk model terbaik. Ini akan menjadi AUC terbesar dalam daftar.
Cetak penjelasan parameter maxDepth dan featureSubsetStrategy untuk model terbaik.
Tampilkan AUC untuk prediksi model terbaik pada data pengujian.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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.____(____.____(____)))

Edit dan Jalankan Kode