评估随机森林
在最后一个练习中，您将评估随机森林模型的交叉验证结果。
以下对象已创建：
cv—— 已在训练数据上拟合的交叉验证器evaluator—— 一个BinaryClassificationEvaluator对象，以及flights_test—— 测试数据。
本练习是课程的一部分
使用 PySpark 进行机器学习
练习说明
- 打印参数网格中所有模型的平均 AUC 指标列表。
- 显示最佳模型的平均 AUC。它是列表中"最大"的 AUC。
- 打印最佳模型的
maxDepth和featureSubsetStrategy参数说明。 - 显示最佳模型在测试数据上的预测 AUC。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Average AUC for each parameter combination in grid
print(cv.____)
# Average AUC for the best model
print(____(____))
# What's the optimal parameter value for maxDepth?
print(cv.____.explainParam('____'))
# What's the optimal parameter value for featureSubsetStrategy?
print(cv.____.____(____))
# AUC for best model on testing data
print(evaluator.____(____.____(____)))