Bir ızgara oluştur

Şimdi, en iyi hiperparametreleri ararken üzerinde dolaşacağın bir değer ızgarası oluşturman gerekiyor. pyspark.ml.tuning alt modülü, tam da bunun için ParamGridBuilder adında bir sınıf içerir (muhtemelen bir deseni fark etmeye başladın; PySpark neredeyse her şey için bir alt modüle sahip!).

Çapraz doğrulama için kullanabileceğin bir ızgara oluşturmak üzere .addGrid() ve .build() yöntemlerini kullanman gerekecek. .addGrid() yöntemi bir model parametresi (birkaç egzersiz önce oluşturduğun model Estimator'ının, lr, bir niteliği) ve denemek istediğin değerlerin bir listesini alır. .build() yöntemi herhangi bir argüman almaz; sadece daha sonra kullanacağın ızgarayı döndürür.

Bu egzersiz

PySpark Temelleri

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

pyspark.ml.tuning alt modülünü tune takma adıyla içe aktar.
Sınıf yapıcısını ParamGridBuilder() argümansız çağır. Bunu grid olarak kaydet.
grid üzerinde .addGrid() yöntemini lr.regParam ilk argüman ve np.arange(0, .1, .01) ikinci argüman olacak şekilde çağır. Bu ikinci çağrı, numpy modülünden ( np olarak içe aktarılmış) 0’dan .1’e kadar .01 artımlarla bir sayı listesi oluşturur. Sonuçla grid’i üzerine yaz.
grid’i tekrar güncelle ve .addGrid() yöntemini ikinci kez çağırarak yalnızca [0, 1] değerlerini içeren lr.elasticNetParam için bir ızgara oluştur.
grid üzerinde .build() yöntemini çağır ve çıktıyla üzerine yaz.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import the tuning submodule
import ____ as ____

# Create the parameter grid
grid = tune.____

# Add the hyperparameter
grid = grid.addGrid(____, np.arange(0, .1, .01))
grid = grid.addGrid(____, ____)

# Build the grid
grid = grid.build()

Kodu Düzenle ve Çalıştır