Träna modell(erna)
Nu är du äntligen redo att träna modellerna och välja den bästa!
Korsvalidering är tyvärr en beräkningsintensiv procedur. Att träna alla modeller skulle ta för lång tid på DataCamp.
För att göra detta lokalt skulle du använda följande kod:
# Fit cross validation models
models = cv.fit(training)
# Extract the best model
best_lr = models.bestModel
Kom ihåg att träningsdatan heter training och att du använder lr för att träna en logistisk regressionsmodell. Korsvalideringen valde parametervärdena regParam=0 och elasticNetParam=0 som de bästa. Det är standardvärdena, så du behöver inte göra något mer med lr innan du tränar modellen.
Den här övningen är en del av kursen
Grunderna i PySpark
Övningsinstruktioner
- Skapa
best_lrgenom att anropalr.fit()påtraining-datan. - Skriv ut
best_lrför att verifiera att det är ett objekt av klassenLogisticRegressionModel.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Call lr.fit()
best_lr = ____
# Print best_lr
print(____)