Ocena lasu losowego

W tym ostatnim ćwiczeniu ocenisz wyniki kroswalidacji na modelu lasu losowego.

Następujące obiekty zostały już utworzone:

cv — kroswalidator, który został już dopasowany do danych treningowych
evaluator — obiekt BinaryClassificationEvaluator
flights_test — dane testowe.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z PySpark

Zobacz kurs

Instrukcje do ćwiczenia

Wyświetl listę średnich wartości AUC dla wszystkich modeli w siatce parametrów.
Pokaż średnie AUC dla najlepszego modelu. Będzie to największa wartość AUC na liście.
Wyświetl objaśnienie parametrów maxDepth i featureSubsetStrategy dla najlepszego modelu.
Pokaż wartość AUC dla predykcji najlepszego modelu na danych testowych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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.____(____.____(____)))

Edytuj i uruchom kod