Avaliando a Floresta Aleatória

Neste exercício final, você vai avaliar os resultados da validação cruzada em um modelo Random Forest.

Já foram criados:

cv - um validador cruzado que já foi ajustado aos dados de treinamento
evaluator — um objeto BinaryClassificationEvaluator\ e
flights_test — os dados dos testes.

Este exercício faz parte do curso

Machine Learning com PySpark

Ver curso

Instruções do exercício

Imprima uma lista das métricas AUC médias em todos os modelos na grade de parâmetros.
Mostra a AUC média do melhor modelo. Esse vai ser o maior AUC da lista.
Imprima uma explicação dos parâmetros “ maxDepth ” e “ featureSubsetStrategy ” para o melhor modelo.
Mostra a AUC para as melhores previsões do modelo nos dados de teste.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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

Editar e executar o código