Ottimizzare la regressione lineare sui voli

Finora hai utilizzato gli iperparametri predefiniti per creare i tuoi modelli. In questo esercizio userai la cross validation per scegliere un insieme ottimale (o quasi ottimale) di iperparametri del modello.

Sono già stati creati i seguenti oggetti:

regression — un oggetto LinearRegression
pipeline — una pipeline con string indexer, one-hot encoder, vector assembler e regressione lineare e
evaluator — un oggetto RegressionEvaluator.

Questo esercizio fa parte del corso

Machine Learning con PySpark

Visualizza il corso

Istruzioni dell'esercizio

Crea un builder della griglia dei parametri.
Aggiungi le griglie per regression.regParam (valori 0.01, 0.1, 1.0 e 10.0) e regression.elasticNetParam (valori 0.0, 0.5 e 1.0).
Costruisci la griglia.
Crea un validatore incrociato specificando cinque fold.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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=____, ____)

Modifica ed esegui il codice