Otimização da regressão linear de voos

Até agora, você tem usado os hiperparâmetros padrão ao criar seus modelos. Neste exercício, você usará a validação cruzada para escolher um conjunto ideal (ou próximo do ideal) de hiperparâmetros do modelo.

Os seguintes já foram criados:

regression - um objeto LinearRegression
pipeline - um pipeline com indexador de strings, codificador de um ponto, montador de vetores e regressão linear e
evaluator - um objeto RegressionEvaluator.

Este exercício faz parte do curso

Aprendizado de máquina com PySpark

Ver Curso

Instruções de exercício

Crie um construtor de grade de parâmetros.
Adicione grades para regression.regParam (valores 0,01, 0,1, 1,0 e 10,0) e regression.elasticNetParam (valores 0,0, 0,5 e 1,0).
Construa a grade.
Crie um validador cruzado, especificando cinco dobras.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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=____, ____)

Editar e executar código