Chuyến bay bị trễ với Random Forest
Trong bài này, bạn sẽ kết hợp cross validation và phương pháp ensemble. Bạn sẽ huấn luyện một bộ phân loại Random Forest để dự đoán chuyến bay bị trễ, dùng cross validation để chọn giá trị tốt nhất cho các tham số mô hình.
Bạn sẽ tìm giá trị phù hợp cho các tham số sau:
featureSubsetStrategy— số lượng đặc trưng được xét để tách tại mỗi nút vàmaxDepth— số tầng tách tối đa dọc theo bất kỳ nhánh nào.
Đáng tiếc là xây dựng mô hình này mất quá nhiều thời gian, nên chúng ta sẽ không chạy phương thức .fit() trên pipeline.
Lớp RandomForestClassifier đã được import sẵn vào phiên làm việc.
Bài tập này là một phần của khóa học
Machine Learning với PySpark
Hướng dẫn bài tập
- Tạo một đối tượng bộ phân loại random forest.
- Tạo một đối tượng bộ xây dựng lưới tham số. Thêm các điểm lưới cho tham số
featureSubsetStrategyvàmaxDepth. - Tạo bộ đánh giá phân loại nhị phân.
- Tạo một đối tượng cross-validator, chỉ định estimator, lưới tham số và evaluator. Chọn cross validation 5-fold.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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 = ____(____, ____, ____, ____)