本文整理汇总了Python中pyspark.ml.evaluation.RegressionEvaluator.setMetricName方法的典型用法代码示例。如果您正苦于以下问题：Python RegressionEvaluator.setMetricName方法的具体用法？Python RegressionEvaluator.setMetricName怎么用？Python RegressionEvaluator.setMetricName使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类pyspark.ml.evaluation.RegressionEvaluator的用法示例。
在下文中一共展示了RegressionEvaluator.setMetricName方法的1个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: print
# 需要导入模块: from pyspark.ml.evaluation import RegressionEvaluator [as 别名]
# 或者: from pyspark.ml.evaluation.RegressionEvaluator import setMetricName [as 别名]
model = lr.fit(training)
print("결정계수(R2):%d" % model.summary.r2)
d13 = model.transform(test)
d13.cache()
d13.select("weight", "predic_weight").show(5, False)
evaluator = RegressionEvaluator(labelCol="weight", predictionCol="predic_weight")
# root mean squared error
rmse = evaluator.evaluate(d13)
# mean squared error
mse = evaluator.setMetricName("mse").evaluate(d13)
# R2 metric
r2 = evaluator.setMetricName("r2").evaluate(d13)
# mean absolute error
mae = evaluator.setMetricName("mae").evaluate(d13)
print("rmse:%d, mse:%d, r2:%d, mae:%d" % (rmse, mse, r2, mae))
# 파이프라인
pipeline = Pipeline(stages=[gradeIndexer, genderIndexer, assembler, lr])
samples2 = df9.randomSplit([0.7, 0.3])
training2 = samples2[0]
test2 = samples2[1]