0
支持向量机当前还不支持Spark中的多类分类,但将来会如Spark page中所述。线性支持向量机多类分类与PySpark API
是否有任何发布日期或任何机会使用支持向量机实现多类的PySpark API运行?感谢您的任何见解。
支持向量机当前还不支持Spark中的多类分类,但将来会如Spark page中所述。线性支持向量机多类分类与PySpark API
是否有任何发布日期或任何机会使用支持向量机实现多类的PySpark API运行?感谢您的任何见解。
在实践中,您可以使用任意二进制分类器和一个vs-rest策略执行多类分类。 mllib
不提供一个(在ml
有一个),但你可以轻松地建立自己的。假设数据是这样的
import numpy as np
np.random.seed(323)
classes = [0, 1, 2, 3, 4, 5]
def make_point(classes):
label = np.random.choice(classes)
features = np.random.random(len(classes))
features[label] += 10
return LabeledPoint(label, features)
data = sc.parallelize([make_point(classes) for _ in range(1000)])
xs = data.take(5)
,我们可以训练单独的模型为每个类:
def model_for_class(c, rdd):
def adjust_label(lp):
return LabeledPoint(1 if lp.label == c else 0, lp.features)
model = SVMWithSGD.train(rdd.map(adjust_label))
model.clearThreshold()
return model
models = [model_for_class(c, data) for c in classes]
,并用它来预测:
[(x.label, np.argmax([model.predict(x.features) for model in models]))
for x in xs]
## [(0.0, 0), (1.0, 1), (0.0, 0), (5.0, 5), (2.0, 2)]
在侧面说明,你不能指望任何进一步的pyspark.mllib
的开发项目,因为它已被弃用,转而使用ml
。