《大数据机器学习实践探索》 ---- 使用spark MLlib进行机器学习（3.超参数调优：树模型调优）

---

当数据科学家谈论调整他们的模型时，他们经常讨论调整超参数以提高模型的预测能力。 超参数是您在训练之前定义的关于模型的属性，它在训练过程中是不学习的

（不要与参数混淆，这些参数是在训练过程中学习的）。 随机森林中的树的个数是超参数的一个例子。

在本节中，我们将重点使用基于树的模型作为超参数调优过程的示例，同样的概念也适用于其他模型。一旦我们建立了用spark.ml进行超参数调优的机制，我们将讨论如何优化管道。 让我们先简单介绍一下决策树，然后介绍我们如何在spark.ml中使用它们。

---

基于树的模型调优

基于树的模型，如决策树、梯度增强树和随机森林

decision trees, gradient boosted trees, and random forests

是相对简单但强大的模型，易于解释（这意味着，很容易解释他们所做的预测）。因此，它们在机器学习任务中很受欢迎。我们很快就会介绍到随机森林，但首先我们需要介绍最基本的决策树。

决策树调优

作为一种比较成熟的解决方案，决策树非常适合于数据挖掘。 它们的构建速度相对较快，具有高度可解释性，并且不变比