Bir Regresyon Modeli Kurma

PySpark ML modülünün harika yanlarından biri, çoğu algoritmanın çok az kod değişikliğiyle denenip test edilebilmesidir. Random Forest Regression, bagging kullanarak uyum sağlayan, oldukça basit bir topluluk (ensemble) modelidir. Başka bir ağaç tabanlı topluluk modeli olan Gradient Boosted Trees ise boosting denilen farklı bir yaklaşımla öğrenir. Bu egzersizde bir GBTRegressor eğitelim.

Bu egzersiz, kursun bir parçasıdır

PySpark ile Özellik Mühendisliği

Kursa Göz Atın

Egzersiz talimatları

RandomForestRegressor ile aynı modül olan pyspark.ml.regression içinden GBTRegressor sınıfını içe aktar.
GBTRegressor'ı; featuresCol değerini özelliklerimizin vektör sütunu olan features, labelCol değerini bağımlı değişkenimiz SALESCLOSEPRICE ve rastgele seed değerini 42 olarak ayarlayarak örnekle (instantiate).
gbt üzerinde fit() çağırarak, içe aktarılan eğitim verisi train_df ile modeli eğit.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

from ____ import ____

# Train a Gradient Boosted Trees (GBT) model.
gbt = ____(featuresCol=____,
                           labelCol=____,
                           predictionCol="Prediction_Price",
                           seed=____
                           )

# Train model.
model = gbt.fit(train_df)

Kodu Düzenle ve Çalıştır