我构建了一个包含像这样的 DecisionTreeClassifier(dt) 的管道
val pipeline = new Pipeline().setStages(Array(labelIndexer, featureIndexer, dt, labelConverter))
然后我使用这个管道作为 CrossValidator 中的估计器,以获得具有最佳超参数集的模型,如下所示
val c_v = new CrossValidator().setEstimator(pipeline).setEvaluator(new MulticlassClassificationEvaluator().setLabelCol("indexedLabel").setPredictionCol("prediction")).setEstimatorParamMaps(paramGrid).setNumFolds(5)
最后,我可以使用此交叉验证器在训练测试中训练模型
val model = c_v.fit(train)
但问题是,我想用DecisionTreeClassificationModel
的参数.toDebugTree
来查看训练最好的决策树模型。但模型是一个 CrossValidatorModel。是的,您可以使用 model.bestModel
,但它仍然是 Model
类型,您不能将 .toDebugTree
应用于它。而且我还假设 bestModel 仍然是一个管道,包括 labelIndexer
、featureIndexer
、dt
、labelConverter
。
那么有谁知道如何从交叉验证器拟合的模型中获取决策树模型,我可以通过toDebugString查看实际模型?或者有什么解决方法可以让我查看决策树模型吗?
最佳答案
嗯,在 cases like this one答案总是相同的 - 具体说明类型。
首先提取管道模型,因为您要训练的是管道:
import org.apache.spark.ml.PipelineModel
val bestModel: Option[PipelineModel] = model.bestModel match {
case p: PipelineModel => Some(p)
case _ => None
}
然后您需要从底层提取模型。在你的例子中,它是一个决策树分类模型:
import org.apache.spark.ml.classification.DecisionTreeClassificationModel
val treeModel: Option[DecisionTreeClassificationModel] = bestModel
flatMap {
_.stages.collect {
case t: DecisionTreeClassificationModel => t
}.headOption
}
打印树,例如:
treeModel.foreach(_.toDebugString)
关于scala - 如何从交叉验证器获得经过训练的最佳模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36347875/