Задержки рейсов с помощью случайного леса
В этом упражнении вы объедините перекрёстную проверку и ансамблевые методы. Вы обучите классификатор на основе случайного леса для предсказания задержек рейсов, используя перекрёстную проверку для выбора оптимальных значений параметров модели.
Вы подберёте хорошие значения для следующих параметров:
featureSubsetStrategy— количество признаков, рассматриваемых при разбиении в каждом узле,maxDepth— максимальная глубина ветвления.
К сожалению, построение этой модели занимает слишком много времени, поэтому метод .fit() на конвейере запускаться не будет.
Класс RandomForestClassifier уже импортирован в сессию.
Это упражнение является частью курса
Машинное обучение с PySpark
Инструкции к упражнению
- Создайте объект классификатора на основе случайного леса.
- Создайте объект построителя сетки параметров. Добавьте точки сетки для параметров
featureSubsetStrategyиmaxDepth. - Создайте объект для оценки бинарной классификации.
- Создайте объект перекрёстного валидатора, указав оценщик, сетку параметров и объект оценки. Выберите 5-кратную перекрёстную проверку.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create a random forest classifier
forest = ____()
# Create a parameter grid
params = ____() \
.____(____, ['all', 'onethird', 'sqrt', 'log2']) \
.____(____, [2, 5, 10]) \
.____()
# Create a binary classification evaluator
evaluator = ____()
# Create a cross-validator
cv = ____(____, ____, ____, ____)