优化航班线性回归

到目前为止，您在构建模型时一直使用默认超参数。本练习中，您将使用交叉验证来选择一组最优（或接近最优）的模型超参数。

已为您创建以下对象：

regression —— 一个 LinearRegression 对象
pipeline —— 一个包含字符串索引器、独热编码器、向量组装器和线性回归的管道，以及
evaluator —— 一个 RegressionEvaluator 对象。

本练习是课程的一部分

使用 PySpark 进行机器学习

查看课程

练习说明

创建一个参数网格构建器。
为 regression.regParam（取值 0.01、0.1、1.0、10.0）和 regression.elasticNetParam（取值 0.0、0.5、1.0）添加网格。
构建参数网格。
创建一个交叉验证器，指定使用 5 折。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Create parameter grid
params = ____()

# Add grids for two parameters
params = params.____(____, ____) \
               .____(____, ____)

# Build the parameter grid
params = params.____()
print('Number of models to be tested: ', len(params))

# Create cross-validator
cv = ____(estimator=____, estimatorParamMaps=____, evaluator=____, ____)

编辑并运行代码