항공편 선형 회귀 최적화

지금까지는 모델을 만들 때 기본 하이퍼파라미터를 사용했어요. 이번 연습에서는 교차 검증을 활용해 최적(또는 최적에 가까운) 하이퍼파라미터 조합을 선택해 보겠습니다.

다음 객체가 이미 생성되어 있습니다:

regression — LinearRegression 객체
pipeline — string indexer, one-hot encoder, vector assembler, linear regression으로 구성된 파이프라인
evaluator — RegressionEvaluator 객체.

이 연습은 강의의 일부입니다

PySpark로 하는 Machine Learning

강의 보기

연습 안내

파라미터 그리드 빌더를 생성하세요.
regression.regParam(값: 0.01, 0.1, 1.0, 10.0)과 regression.elasticNetParam(값: 0.0, 0.5, 1.0)에 대한 그리드를 추가하세요.
그리드를 빌드하세요.
폴드를 다섯 개로 지정해 교차 검증기를 생성하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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=____, ____)

코드 편집 및 실행