Ao invês de fazer assim: ``` modelo_rfr_cv = rfr_cv.fit(treino) ``` Não deveria ser assim: ``` modelo_rfr_cv = rfr_cv.fit(dataset_prep) ``` Ao utilizar apenas o Da

[Dúvida] O correto não seria passar o DataFrame inteiro ao inves de so os 70% de teste? | Spark: trabalhando com regressão

Ao invês de fazer assim:

modelo_rfr_cv = rfr_cv.fit(treino)

Não deveria ser assim:

modelo_rfr_cv = rfr_cv.fit(dataset_prep)

Ao utilizar apenas o DataFrame de "treino", estamos limitando o crossvalidation a uma amostra de 70% (conforme definido no ínicio das aulas) do DataFrame. Sendo assim o crossvalidation irá testar diferentes conjuntos de treino e teste apenas nos 70% e não nos 100% do DataFrame, o que pode acarretar na não mitigação da randomização da divisão de treino e teste.