Оптимизация линейной регрессии для задачи о рейсах

До сих пор при построении моделей вы использовали гиперпараметры по умолчанию. В этом упражнении вы применёте кросс-валидацию, чтобы подобрать оптимальный (или близкий к оптимальному) набор гиперпараметров модели.

Следующие объекты уже созданы:

regression — объект LinearRegression
pipeline — конвейер, включающий индексатор строк, кодировщик one-hot, сборщик векторов и линейную регрессию
evaluator — объект RegressionEvaluator.

Это упражнение является частью курса

Машинное обучение с PySpark

Посмотреть курс

Инструкции к упражнению

Создайте построитель сетки параметров.
Добавьте сетки для regression.regParam (значения 0.01, 0.1, 1.0 и 10.0) и regression.elasticNetParam (значения 0.0, 0.5 и 1.0).
Постройте сетку.
Создайте объект кросс-валидатора, задав пять фолдов.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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=____, ____)

Редактировать и запускать код