如何获得ML算法的所有超参数的列表，如星火中的线性回归算法？

Question

我正在学习如何使用Spark DataFrames API在scala中构建机器学习模型，并想知道可以用于优化模型的所有超参数的列表。通过搜索到目前为止，我找到了一些LinearRegression的超参数，例如：

• setMaxIter
• setRegParam
• setElasticNetParam

它可以以下列方式使用：

import org.apache.spark.ml.regression.LinearRegression

val lr = new LinearRegression().setMaxIter(100).setRegParam(0.3).setElasticNetParam(0.8)
val lrModel = lr.fit(training)

在星火中是否有一个文档页面或方法可以列出所有可调的超参数？类似于：

LinearRegression.getParamList()
RandomForest.getParamList()

Answer 1

检查毫升调谐，利用ML-Pipelines将您选择的特性通过ParamGridBuilder传递给CrossValidator，并运行管道来估计哪些集合的性能最好，下面的示例如下：

val lr = new LinearRegression()
.setMaxIter(10)

val paramGrid = new ParamGridBuilder()
.addGrid(lr.regParam, Array(0.1, 0.01))
.addGrid(lr.fitIntercept)
.addGrid(lr.elasticNetParam, Array(0.0, 0.5, 1.0))
.build()

val trainValidationSplit = new TrainValidationSplit()
.setEstimator(lr)
.setEvaluator(new RegressionEvaluator)
.setEstimatorParamMaps(paramGrid)
.setTrainRatio(0.8)

val model = trainValidationSplit.fit(training)

更进一步，您可以探索scala文档ml.param，有一个方法explainParam()，但我还没有使用它api/scala/管道。