使用PySpark使CrossValidator对象适合训练数据错误

如何解决使用PySpark使CrossValidator对象适合训练数据错误

我在这里发现了很多有关从合适的CrossValidator对象中提取最佳最佳模型参数的问题，但是我没有发现任何关于此特定错误的信息。 我正在尝试创建一个CrossValidator对象，并将其适合我的训练数据，然后在我的初始线性回归模型中再次评估指标。我的数据集已被消化成适当的格式，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，我以某种方式对其进行了混淆，因为最后一行代码返回了 “ IllegalArgumentException：标签不存在。可用：PE，功能，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？我猜这是我真正忽略的事情，但是我一生都找不到它。预先感谢。

解决方法

默认情况下，CrossValidation期望将输出标签命名为label

1. 您可以在开始时将输出列设置为label以避免所有混乱

或

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

   RegressionEvaluator(labelCol='PE')