Försenade flyg med en Random Forest

I den här övningen kombinerar du korsvalidering och ensemblemetoder. Du tränar en Random Forest-klassificerare för att förutsäga försenade flyg och använder korsvalidering för att hitta de bästa värdena för modellparametrarna.

Du ska hitta bra värden för följande parametrar:

featureSubsetStrategy — antalet särdrag att beakta vid uppdelning i varje nod, och
maxDepth — det maximala antalet uppdelningar längs en gren.

Dessa modeller tar tyvärr för lång tid att bygga, så vi kommer inte att köra .fit()-metoden på pipelinen.

Klassen RandomForestClassifier har redan importerats till sessionen.

Den här övningen är en del av kursen

Maskininlärning med PySpark

Visa kurs

Övningsinstruktioner

Skapa ett Random Forest-klassificererobjekt.
Skapa ett parametergridsbyggarobjekt. Lägg till gridpunkter för parametrarna featureSubsetStrategy och maxDepth.
Skapa en utvärderare för binär klassificering.
Skapa ett korsvalideringsobjekt och ange estimator, parametergrid och utvärderare. Välj 5-faldig korsvalidering.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 = ____(____, ____, ____, ____)

Redigera och kör kod