SPARK, ML, Optimierung, CrossValidator: Zugriff auf die Metriken

Um einen NaiveBayes-Klassenklassifikator zu erstellen, verwende ich einen CrossValidator, um die besten Parameter in meiner Pipeline auszuwählen:

Die Pipeline enthält übliche Transformatoren und Schätzfunktionen in der folgenden Reihenfolge: Tokenizer, StopWordsRemover, HashingTF, IDF und schließlich die NaiveBayes.

Ist es möglich, auf die für das beste Modell berechneten Metriken zuzugreifen?

Idealerweise würde ich gerne auf die Metriken aller Modelle zugreifen, um zu sehen, wie die Änderung der Parameter die Qualität der Klassifikation verändert. Aber im Moment ist das beste Modell gut genug.

Zu Ihrer Information, ich benutze Spark 1.6.0