使用 PySpark 将 CrossValidator 对象拟合到训练数据错误

Question

我在这里发现了很多关于从拟合的 CrossValidator 对象中提取最佳模型参数的问题，但我没有发现任何关于这个特定错误的问题。我正在尝试创建一个 CrossValidator 对象并将其拟合到我的训练数据中，然后再根据我的初始线性回归模型评估指标。我的数据集已被消化成适当的格式并分为训练集和测试集，并成功应用于第一个线性回归模型。第一次尝试交叉验证，我不知怎么搞砸了，因为最后一行代码 returns an “IllegalArgumentException：标签不存在。可用：PE、特征、CrossValidator_3fda633cd32d_rand、预测”，其中 'PE' 是我的 labelCol。

from pyspark.ml.regression import LinearRegression 
from pyspark.ml.evaluation import RegressionEvaluator
from pyspark.ml.tuning import CrossValidator, ParamGridBuilder

lrCV = LinearRegression(featuresCol='features', labelCol='PE', maxIter=50)

#Creating a grid of parameter values that the cross-validation will use

paramGrid = ParamGridBuilder() \
  .addGrid(lrCV.regParam, [1, 0.1, 0.01]) \
  .addGrid(lrCV.elasticNetParam, [0.0, 0.5, 1.0, 2]) \
  .addGrid(lrCV.fitIntercept, [True, False]) \
  .build()

#Create an instance of the CrossValidator object and enter our predefined parameters

crossVal = CrossValidator(estimator=lrCV,
                         estimatorParamMaps=paramGrid,
                         evaluator=RegressionEvaluator(),
                         numFolds=5)

lrModelCV = crossVal.fit(train)

有人有什么建议吗？我猜这是我忽略的非常简单的东西，但我一生都找不到它是什么。提前致谢。

Answer 1

默认情况下，CrossValidation 期望输出标签被命名为 label

您可以将输出列 label 放在开头以避免所有混乱

或

您也可以将 labelCol='PE' 传递给 RegressionEvaluator()
```
RegressionEvaluator(labelCol='PE')
```

使用 PySpark 将 CrossValidator 对象拟合到训练数据错误

Fitting CrossValidator object to training data error with PySpark

python

machine-learning

pyspark

cross-validation