Я запускаю линейную регрессию, используя Spark Pipelines в pyspark. Как только модель линейной регрессии обучается, как мне получить коэффициенты?Как получить доступ к параметрам Spark PipelineModel
Вот мой код трубопровода:
# 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")
Я попытался с помощью методов из PipelineModel class. Вот мои попытки получить коэффициенты, но я только получаю пустой список и пустой словарь:
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: {}
Существуют методы, которые возвращают PipelineModel тренированные коэффициенты?
Совершенного Спасибо Это именно то, что я искал for. Вы также знаете, как я могу получить значения гиперпараметров (например, regParam или elasticNetParam)? Это новое приложение. Я запускаю [CrossValidator] (https://spark.apache.org/docs/2.0 .0/api/python/pyspark.ml.html? Highlight = crossvalidator # pyspark.ml.tuning.CrossValidator), чтобы попробовать разные гиперпараметры. ce лучшая модель найдена, я хочу знать, какие гиперпараметры используются лучшей моделью. 'model.bestModel.stages [-1] .коэффициенты' получает мне коэффициенты наилучшей модели линейной регрессии. –