Zboruri întârziate cu Gradient-Boosted Trees
Ai construit anterior un clasificator pentru zborurile care sunt susceptibile să fie întârziate, folosind un arbore de decizie. În acest exercițiu vei compara un model de tip arbore de decizie cu un model de tip Gradient-Boosted Trees.
Datele despre zboruri au fost împărțite aleatoriu în flights_train și flights_test.
Acest exercițiu face parte din cursul
Machine Learning cu PySpark
Instrucțiuni pentru exercițiu
- Importă clasele necesare pentru a crea clasificatori de tip arbore de decizie și Gradient-Boosted Tree.
- Creează clasificatori de tip arbore de decizie și Gradient-Boosted Tree. Antrenează-i pe datele de antrenament.
- Creează un evaluator și calculează AUC pe datele de testare pentru ambii clasificatori. Care model are performanțe mai bune?
- Pentru clasificatorul Gradient-Boosted Tree, afișează numărul de arbori și importanța relativă a caracteristicilor.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import the classes required
from pyspark.ml.____ import ____, ____
from pyspark.ml.evaluation import BinaryClassificationEvaluator
# Create model objects and train on training data
tree = ____().____(____)
gbt = ____().____(____)
# Compare AUC on testing data
evaluator = ____()
print(evaluator.____(tree.____(____)))
print(evaluator.____(gbt.____(____)))
# Find the number of trees and the relative importance of features
print(gbt.____)
print(gbt.____)