การประเมินผล Random Forest

ในแบบฝึกหัดสุดท้ายนี้ จะได้ประเมินผลลัพธ์ของ cross-validation บนโมเดล Random Forest

สิ่งต่อไปนี้ถูกสร้างไว้แล้ว:

cv — cross-validator ที่ fit กับข้อมูล training แล้ว
evaluator — อ็อบเจกต์ BinaryClassificationEvaluator และ
flights_test — ข้อมูล testing

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning with PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

แสดงรายการค่าเฉลี่ย AUC ของทุกโมเดลในกริดพารามิเตอร์
แสดงค่าเฉลี่ย AUC ของโมเดลที่ดีที่สุด ซึ่งจะเป็นค่า AUC ที่สูงที่สุด ในรายการ
แสดงคำอธิบายของพารามิเตอร์ maxDepth และ featureSubsetStrategy สำหรับโมเดลที่ดีที่สุด
แสดงค่า AUC จากการพยากรณ์ของโมเดลที่ดีที่สุดบนข้อมูล testing

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Average AUC for each parameter combination in grid
print(cv.____)

# Average AUC for the best model
print(____(____))

# What's the optimal parameter value for maxDepth?
print(cv.____.explainParam('____'))
# What's the optimal parameter value for featureSubsetStrategy?
print(cv.____.____(____))

# AUC for best model on testing data
print(evaluator.____(____.____(____)))

แก้ไขและรันโค้ด