Estoy usando Spark 1.6.1:

Actualmente estoy usando un CrossValidator para entrenar mi ML Pipeline con varios parámetros. Después del proceso de capacitación, puedo usar la propiedad bestModel de CrossValidatorModel para obtener el modelo que mejor se desempeñó durante la validación cruzada. ¿Se descartan automáticamente los otros modelos de validación cruzada o puedo seleccionar un modelo que funcionó peor que el mejor modelo?

Pregunto porque estoy usando la métrica de puntuación F1 para la validación cruzada, pero también estoy interesado en la recuperación ponderada de todos los modelos y no solo del modelo que ha tenido el mejor rendimiento durante la validación cruzada

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