Ich trainiere ein einfaches CrossValidatorModel mit logistischen Regression und Spark-ml Pipelines. Ich kann neue Daten vorhersagen, aber ich möchte über die Black Box gehen und eine Analyse der KoeffizientenWie erhalten Sie die Koeffizienten der besten logistischen Regression in einem Spark-ml CrossValidatorModel?
val lr = new LogisticRegression().
setFitIntercept(true).
setMaxIter(maxIter).
setElasticNetParam(alpha).
setStandardization(true).
setFamily("binomial").
setWeightCol("weight").
setFeaturesCol("features").
setLabelCol("response")
val assembler = new VectorAssembler().
setInputCols(Array("feat1", "feat2")).
setOutputCol("features")
val modelPipeline = new Pipeline().
setStages(Array(assembler,lr))
val evaluator = new BinaryClassificationEvaluator()
.setLabelCol("response")
Dann definiere ich ein Raster von Parametern tun und ich trainiere über das Gitter das beste Modell WRT zu bekommen
AUCval paramGrid = new ParamGridBuilder().
addGrid(lr.regParam, lambdas).
build()
val pipeline = new CrossValidator().
setEstimator(modelPipeline).
setEvaluator(evaluator).
setEstimatorParamMaps(paramGrid).
setNumFolds(nfolds)
val cvModel = pipeline.fit(train)
Wie erhalte ich Koeffizienten (die Betas) des besten Modells der logistischen Regression?