PySpark入门二十一：ML机器学习之参数调优

网格搜索法

这篇文章主要是接着上一篇文章来继续学习，如果感兴趣，请点击查看
网格搜索法，是根据给定的评估指标，循环遍历定义的参数值列表，估计各个单独的模型，从而选择一个最优的模型。

调整参数需要用到tuning这个包

# 导包
import pyspark.ml.tuning as tune

# 指定模型和参数列表
logistic = cl.LogisticRegression(labelCol='INFANT_ALIVE_AT_REPORT')

grid = tune.ParamGridBuilder().addGrid(logistic.maxIter, [2, 10, 50]).addGrid(logistic.regParam, [0.01, 0.05, 0.3]).build()

ParamGridBuilder对象使用addGrid()方法将参数添加到网格中：参数一为要优化的模型的参数对象，参数二为要循环的列表的值。最后调用对象的build()方法，来构建网络。

接着创建模型评估的评估器

evaluator = ev.BinaryClassificationEvaluator(rawPredictionCol='probability'