如何在 pyspark 管道中打印最佳模型参数答案

【问题标题】：How to print best model params in pyspark pipeline如何在 pyspark 管道中打印最佳模型参数
【发布时间】：2017-01-21 16:11:26
【问题描述】：

这个问题类似于this one。在 pyspark 中执行 TrainValidationSplit 后，我想打印最佳模型参数。我找不到其他用户用来回答问题的文本，因为我正在使用 jupyter 并且日志从终端消失...

部分代码为：

pca = PCA(inputCol = 'features')
dt = DecisionTreeRegressor(featuresCol=pca.getOutputCol(), 
                           labelCol="energy")
pipe = Pipeline(stages=[pca,dt])

paramgrid = ParamGridBuilder().addGrid(pca.k, range(1,50,2)).addGrid(dt.maxDepth, range(1,10,1)).build()

tvs = TrainValidationSplit(estimator = pipe, evaluator = RegressionEvaluator(
labelCol="energy", predictionCol="prediction", metricName="mae"), estimatorParamMaps = paramgrid, trainRatio = 0.66)

model = tvs.fit(wind_tr_va);

提前致谢。

【问题讨论】：

标签： python apache-spark pyspark apache-spark-mllib

【解决方案1】：

它确实遵循@user6910411 给出的关于How to get the maxDepth from a Spark RandomForestRegressionModel 的答案中描述的相同推理。

您需要修补TrainValidationSplitModel、PCAModel 和DecisionTreeRegressionModel，如下所示：

TrainValidationSplitModel.bestModel = (
    lambda self: self._java_obj.bestModel
)

PCAModel.getK = (
    lambda self: self._java_obj.getK()
)

DecisionTreeRegressionModel.getMaxDepth = (
    lambda self: self._java_obj.getMaxDepth()
)

现在您可以使用它来获取最佳模型并提取k 和maxDepth

bestModel = model.bestModel

bestModelK = bestModel.stages[0].getK()
bestModelMaxDepth = bestModel.stages[1].getMaxDepth()

PS：您可以通过与上述相同的方式修补模型以获取特定参数。

【讨论】：

【解决方案2】：

更简单（1 行），只需引用模型的 JVM 对象

    cvModel.bestModel.stages[-1]._java_obj.getMaxDepth()

这里你在交叉验证后获取你的 bestModel，调用这个模型的 JVM 对象并使用 getMaxDepth() 方法从 JVM 对象中提取 maxDepth 参数。

所有原始 JVM 获取参数的列表可以在这里找到 https://spark.apache.org/docs/latest/api/java/org/apache/spark/ml/classification/RandomForestClassificationModel.html

此外，您可以浏览其他模型的其他 get-parameters 并参考任何模型的原始 JVM 对象提取它们

    <yourModel>.stages[<yourModelStage>]._java_obj.<getParameter>()

希望对你有帮助。

【讨论】：