Voli in ritardo con una Random Forest

In questo esercizio metterai insieme la cross-validation e i metodi ensemble. Allenerai un classificatore Random Forest per prevedere i voli in ritardo, usando la cross-validation per scegliere i valori migliori dei parametri del modello.

Troverai buoni valori per i seguenti parametri:

featureSubsetStrategy — il numero di feature da considerare per lo split a ogni nodo e
maxDepth — il numero massimo di split lungo qualsiasi ramo.

Purtroppo costruire questo modello richiede troppo tempo, quindi non eseguiremo il metodo .fit() sulla pipeline.

La classe RandomForestClassifier è già stata importata nella sessione.

Questo esercizio fa parte del corso

Machine Learning con PySpark

Visualizza il corso

Istruzioni dell'esercizio

Crea un oggetto classificatore Random Forest.
Crea un oggetto per la costruzione della griglia dei parametri. Aggiungi i punti di griglia per i parametri featureSubsetStrategy e maxDepth.
Crea un valutatore per classificazione binaria.
Crea un oggetto di cross-validation, specificando l’estimatore, la griglia dei parametri e il valutatore. Scegli una cross-validation a 5 fold.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create a random forest classifier
forest = ____()

# Create a parameter grid
params = ____() \
            .____(____, ['all', 'onethird', 'sqrt', 'log2']) \
            .____(____, [2, 5, 10]) \
            .____()

# Create a binary classification evaluator
evaluator = ____()

# Create a cross-validator
cv = ____(____, ____, ____, ____)

Modifica ed esegui il codice