Optimizarea regresiei liniare pentru zboruri

Până acum ai folosit hiper-parametrii impliciți atunci când ai construit modelele. În acest exercițiu vei folosi validarea încrucișată pentru a alege un set optim (sau aproape optim) de hiper-parametri pentru model.

Următoarele obiecte au fost deja create:

regression — un obiect LinearRegression
pipeline — un pipeline cu indexator de șiruri, encoder one-hot, asamblor de vectori și regresie liniară și
evaluator — un obiect RegressionEvaluator.

Acest exercițiu face parte din cursul

Machine Learning cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un constructor de grilă de parametri.
Adaugă grile pentru regression.regParam (valorile 0.01, 0.1, 1.0 și 10.0) și regression.elasticNetParam (valorile 0.0, 0.5 și 1.0).
Construiește grila.
Creează un validator încrucișat, specificând cinci pliuri.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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=____, ____)

Editează și rulează codul