ランダムフォレストで遅延フライトを予測する
この演習では、交差検証とアンサンブル手法を組み合わせます。遅延フライトを予測するために Random Forest 分類器を学習し、交差検証でモデルパラメータの最適値を選びます。
次のパラメータの良い値を探索します。
featureSubsetStrategy— 各ノードで分割時に考慮する特徴量数maxDepth— 任意の分岐における最大の深さ（分割回数）
残念ながらこのモデルの構築には時間がかかるため、パイプラインで .fit() メソッドは実行しません。
RandomForestClassifier クラスはすでにセッションにインポートされています。
この演習はコースの一部です
Machine Learning with PySpark
演習の手順
- ランダムフォレスト分類器オブジェクトを作成します。
- パラメーターグリッドビルダーオブジェクトを作成し、
featureSubsetStrategyとmaxDepthのグリッド点を追加します。 - バイナリ分類用の評価器を作成します。
- 推定器、パラメーターグリッド、評価器を指定してクロスバリデーターオブジェクトを作成します。5 分割（5-fold）交差検証を選びます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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 = ____(____, ____, ____, ____)