ćwiczenie

Ocena i porównywanie algorytmów

Mamy już nowy model zbudowany przy użyciu GBTRegressor – czas porównać go z modelem bazowym RandomForestRegressor. W tym celu zestawimy prognozy obu modeli z rzeczywistymi danymi i obliczymy RMSE oraz R^2.

Instrukcje

100 XP

Zaimportuj RegressionEvaluator z pyspark.ml.evaluation, aby móc go używać w dalszej części.
Zainicjuj RegressionEvaluator, ustawiając labelCol na kolumnę z rzeczywistymi danymi SALESCLOSEPRICE, a predictionCol na kolumnę z prognozami Prediction_Price.
Aby obliczyć metryki, wywołaj evaluate na obiekcie evaluator, przekazując wartości prognoz preds, i utwórz słownik z kluczem evaluator.metricName oraz wartością rmse. Zrób to samo dla metryki r2.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie