创建评估器
在进行交叉验证以选择模型时，首先需要一种比较不同模型的方法。幸运的是，pyspark.ml.evaluation 子模块提供了用于评估不同类型模型的类。您的模型是二元分类模型，因此您将使用 pyspark.ml.evaluation 模块中的 BinaryClassificationEvaluator。
该评估器会计算 ROC 曲线下面积（AUC）。这是一个将二元分类器可能犯的两类错误（假阳性和假阴性）综合为单一数值的指标。您将在本章末尾进一步了解这一点！
本练习是课程的一部分
PySpark 基础
练习说明
- 将子模块
pyspark.ml.evaluation以evals的名称导入。 - 调用
evals.BinaryClassificationEvaluator()并传入参数metricName="areaUnderROC"，创建evaluator。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the evaluation submodule
import ____ as evals
# Create a BinaryClassificationEvaluator
evaluator = ____