Question

有人可以帮助我从网格搜索中提取表现最佳的模型参数吗？由于某种原因，它是一个空白的字典。

from pyspark.ml.tuning import ParamGridBuilder, TrainValidationSplit, CrossValidator
from pyspark.ml.evaluation import BinaryClassificationEvaluator


train, test = df.randomSplit([0.66, 0.34], seed=12345)

paramGrid = (ParamGridBuilder()
             .addGrid(lr.regParam, [0.01,0.1])
             .addGrid(lr.elasticNetParam, [1.0,])
             .addGrid(lr.maxIter, [3,])
             .build())

evaluator = BinaryClassificationEvaluator(rawPredictionCol="rawPrediction",labelCol="buy")
evaluator.setMetricName('areaUnderROC')

cv = CrossValidator(estimator=pipeline,
                          estimatorParamMaps=paramGrid,
                          evaluator=evaluator,
                          numFolds=2)  
cvModel = cv.fit(train)

> print(cvModel.bestModel) #it looks like I have a valid bestModel
PipelineModel_406e9483e92ebda90524 In [8]:

> cvModel.bestModel.extractParamMap() #fails
 {} In [9]:

> cvModel.bestModel.getRegParam() #also fails
> 
> AttributeError                            Traceback (most recent call
> last) <ipython-input-9-747196173391> in <module>()
> ----> 1 cvModel.bestModel.getRegParam()
> 
> AttributeError: 'PipelineModel' object has no attribute 'getRegParam'

Answer 1

这里有两个不同的问题：

参数设置在个人Estiamtors或Transformers而不是PipelineModel。可以使用stages属性访问所有模型。
在Spark之前2.3 Python模型根本不包含Params（SPARK-10931）。

因此，除非您使用开发分支，否则必须在分支access its _java_obj and get parameters of interest之间找到感兴趣的模型。例如：

from pyspark.ml.classification import LogisticRegressionModel

[x._java_obj.getRegParam() 
for x in cvModel.bestModel.stages if isinstance(x, LogisticRegressionModel)]

Answer 2

尝试一下：

cvModel.bestModel.stages[-1].extractParamMap()

您可以使用任意数字更改-1。

Answer 3

我最近遇到了这个问题，最适合我的解决方案是从extractParamMap创建一个键名及其值的字典，然后用它来获取我想要的名称值。

best_mod = cvModel.bestModel
param_dict = best_mod.stages[-1].extractParamMap()

sane_dict = {}
for k, v in param_dict.items():
  sane_dict[k.name] = v

best_reg = sane_dict["regParam"]
best_elastic_net = sane_dict["elasticNetParam"]
best_max_iter = sane_dict["maxIter"]

希望这会有所帮助！

pyspark：在gridsearch为空后获取最佳模型的参数{}

3 个答案: