フライトの線形回帰を最適化する
これまではモデルを作成するとき、既定のハイパーパラメータを使用してきました。この演習では、cross validation を使って、最適（もしくは最適に近い）なハイパーパラメータの組み合わせを選びます。
以下はすでに作成済みです。
regression—LinearRegressionオブジェクトpipeline— StringIndexer、OneHotEncoder、VectorAssembler、LinearRegression からなるパイプラインevaluator—RegressionEvaluatorオブジェクト。
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ビルダーを作成します。
regression.regParam（0.01、0.1、1.0、10.0）とregression.elasticNetParam（0.0、0.5、1.0）に対するグリッドを追加します。- グリッドを構築します。
- 5 分割の cross validator を作成します。
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。
# 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=____, ____)