Створення сітки

Далі потрібно створити сітку значень для пошуку оптимальних гіперпараметрів. Підмодуль pyspark.ml.tuning містить клас ParamGridBuilder, який саме для цього й призначений (мабуть, ви вже помітили закономірність: у PySpark є підмодуль майже для всього!).

Вам слід використати методи .addGrid() і .build(), щоб створити сітку для перехресної перевірки. Метод .addGrid() приймає параметр моделі (атрибут моделі Estimator, lr, яку ви створили кілька вправ тому) і список значень, які ви хочете перевірити. Метод .build() не приймає аргументів і просто повертає сітку, яку ви використаєте пізніше.

Ця вправа є частиною курсу

Основи PySpark

Переглянути курс

Інструкції до вправи

Імпортуйте підмодуль pyspark.ml.tuning з псевдонімом tune.
Викличте конструктор класу ParamGridBuilder() без аргументів. Збережіть це як grid.
Викличте метод .addGrid() для grid, передавши lr.regParam як перший аргумент і np.arange(0, .1, .01) як другий аргумент. Другий виклик — це функція з модуля numpy (імпортованого як np), що створює список чисел від 0 до .1 з кроком .01. Перезапишіть grid результатом.
Оновіть grid ще раз, вдруге викликавши метод .addGrid(), щоб створити сітку для lr.elasticNetParam, яка містить лише значення [0, 1].
Викличте метод .build() для grid і перезапишіть його виводом.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()

Редагувати та запускати код