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，但我还没有发现有关此特定错误的任何信息。我正在尝试创建一个 CrossValidator 对象并将其适合我的训练数据，然后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为适当的格式，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，我不知何故搞砸了，因为最后一行代码返回“ IllegalArgumentException：标签不存在。可用：PE，功能，CrossValidator_3fda633cd32d_rand，预测”，其中“PE”是我的标签Col.

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事情，但我一生都无法找到它是什么。提前致谢。

Answer 1

默认情况下，CrossValidation 期望输出标签被命名label您可以在开始时创建输出列label以避免所有混乱或者你也可以传递labelCol='PE'给RegressionEvaluator()RegressionEvaluator(labelCol='PE')