Random Forest の評価
この最後の演習では、Random Forest モデルに対するクロスバリデーションの結果を評価します。
以下はすでに作成されています。
cv— 学習データに対してすでに学習済みのクロスバリデータevaluator—BinaryClassificationEvaluatorオブジェクトflights_test— テスト用データ
この演習はコースの一部です
Machine Learning with PySpark
演習の手順
- パラメータグリッド内のすべてのモデルにおける平均 AUC 指標のリストを出力します。
- ベストモデルの平均 AUC を表示します。これはリストの中で「最も大きい」AUC です。
- ベストモデルの
maxDepthとfeatureSubsetStrategyパラメータについての説明を出力します。 - テストデータに対するベストモデルの予測について、AUC を表示します。
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。
# 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.____(____.____(____)))