20251.1.23(寒假第十六天)
分类模型实验与结果分析
学习目标:
完成分类模型实验并分析结果。
学习如何评估分类模型的性能。
学习内容:
运行分类模型代码,观察预测结果。
分析模型性能,评估分类效果。
学习如何调整模型参数以提高性能。
import org.apache.spark.ml.evaluation.BinaryClassificationEvaluator
val evaluator = new BinaryClassificationEvaluator()
.setLabelCol("income")
.setRawPredictionCol("rawPrediction")
.setMetricName("areaUnderROC")
val auc = evaluator.evaluate(predictions)
println(s"AUC: $auc")
// 调整模型参数
val lr = new LogisticRegression()
.setLabelCol("income")
.setFeaturesCol("pcaFeatures")
.setMaxIter(20)
.setRegParam(0.1)
val lrModel = lr.fit(trainingData)
val predictions = lrModel.transform(testData)
val auc = evaluator.evaluate(predictions)
println(s"AUC: $auc")
实验总结:
完成了分类模型实验,观察了预测结果。
学会了如何评估分类模型的性能。
掌握了如何调整模型参数以提高性能。