Skapa valideraren
Submodulen pyspark.ml.tuning har även en klass som heter CrossValidator för korsvalidering. Den här Estimator tar den modell du vill anpassa, det rutnät av hyperparametrar du skapade och den utvärderare du vill använda för att jämföra dina modeller.
Submodulen pyspark.ml.tune har redan importerats som tune. Du skapar CrossValidator genom att skicka in logistisk regressions-Estimatorn lr, parameterrutnätet grid och den evaluator du skapade i tidigare övningar.
Den här övningen är en del av kursen
Grunderna i PySpark
Övningsinstruktioner
- Skapa en
CrossValidatorgenom att anropatune.CrossValidator()med argumenten:estimator=lrestimatorParamMaps=gridevaluator=evaluator
- Namnge objektet
cv.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create the CrossValidator
cv = tune.____(estimator=____,
estimatorParamMaps=____,
evaluator=____
)