Ich verwende Spark 1.6.1:

Zur Zeit benutze ich einen CrossValidator, um meine ML-Pipeline mit verschiedenen Parametern zu trainieren. Nach dem Trainingsprozess kann ich die Eigenschaft bestModel des CrossValidatorModel verwenden, um das Modell zu ermitteln, das während der Kreuzvalidierung die beste Leistung erbracht hat. Werden die anderen Modelle der Kreuzvalidierung automatisch verworfen oder kann ich ein Modell auswählen, das schlechter abschneidet als das bestModel?

Ich frage, weil ich die F1-Score-Metrik für die Kreuzvalidierung verwende, aber ich interessiere mich auch für den abgewogenen Rückruf aller Modelle und nicht nur für das Modell, das während der Kreuzvalidierung die beste Leistung erbracht hat.

val folds = 6
val cv = new CrossValidator()
  .setEstimator(pipeline)
  .setEvaluator(new MulticlassClassificationEvaluator)
  .setEstimatorParamMaps(paramGrid)
  .setNumFolds(folds)

val avgF1Scores = cvModel.avgMetrics

val predictedDf = cvModel.bestModel.transform(testDf)

// Here I would like to predict as well with the other models of the cross validation