2
私は、pysparkのSpark Pipelinesを使用して線形回帰を実行しています。線形回帰モデルが訓練されたら、どのように係数を取り出すのですか?私はPipelineModel classからメソッドを使用して試してみましたSpark PipelineModelパラメータへのアクセス方法
# Get all of our features together into one array called "features". Do not include the label!
feature_assembler = VectorAssembler(inputCols=get_column_names(df_train), outputCol="features")
# Define our model
lr = LinearRegression(maxIter=100, elasticNetParam=0.80, labelCol="label", featuresCol="features",
predictionCol = "prediction")
# Define our pipeline
pipeline_baseline = Pipeline(stages=[feature_assembler, lr])
# Train our model using the training data
model_baseline = pipeline_baseline.fit(df_train)
# Use our trained model to make predictions using the validation data
output_baseline = model_baseline.transform(df_val) #.select("features", "label", "prediction", "coefficients")
predictions_baseline = output_baseline.select("label", "prediction")
:
は、ここに私のパイプラインコードです。ここで、係数を得るために、私の試みですが、私は空のリストと空の辞書を取得します:
params = model_baseline.stages[1].params
print 'Try 1 - Parameters: %s' %(params)
params = model_baseline.stages[1].extractParamMap()
print 'Try 2 - Parameters: %s' %(params)
Out[]:
Try 1 - Parameters: []
Try 2 - Parameters: {}
は、訓練された係数を返すPipelineModelする方法はありますか?
パーフェクトありがとうこれは私が探していたまさにです。 (例:regParamまたはelasticNetParam)?これは新しいアプリケーションです。[CrossValidator](https://spark.apache.org/docs/2.0)を実行しています。 .0/api/python/pyspark.ml.html?highlight = crossvalidator#pyspark.ml.tuning.CrossValidator)異なるハイパーパラメータを試してみてください。最良のモデルが見つかった場合、どのモデルがどのモデルで使用されているかを知りたい。 'model.bestModel.stages [-1] .coefficients'は私に最良線形回帰モデルの係数を与えます。 –