spark-ml-1.5.1-分类模型
spark-ml-1.5.1 针对历史spark ml进行模块化整理
1 | //导入相关工具包 |
spark-ml 2.* xgboost example
1 | package ML |
spark 逻辑回归
1 | package Spark_MLlib |
逻辑回归算法的参数说明
LogisticRegression 逻辑回归线性/分类算法,它的相关参数设置说明如下:
<1> setMaxIter():设置最大迭代次数
<2> setRegParam(): 设置正则项的参数,控制损失函数与惩罚项的比例,防止整个训练过程过拟合,默认为0
<3> setElasticNetParam():使用L1范数还是L2范数
setElasticNetParam=0.0 为L2正则化;
setElasticNetParam=1.0 为L1正则化;
setElasticNetParam=(0.0,1.0) 为L1,L2组合
<4> setFeaturesCol():指定特征列的列名,传入Array类型,默认为features
<5>setLabelCol():指定标签列的列名,传入String类型,默认为label
<6>setPredictionCol():指定预测列的列名,默认为prediction
<7>setFitIntercept(value:Boolean):是否需要偏置,默认为true(即是否需要y=wx+b中的b)
<8>setStandardization(value:Boolean):模型训练时,是否对各特征值进行标准化处理,默认为true
<9>fit:基于训练街训练出模型
<10>transform:基于训练出的模型对测试集进行预测
<11>setTol(value:Double):设置迭代的收敛公差。值越小准确性越高但是迭代成本增加。默认值为1E-6。(即损失函数)
<12>setWeightCol(value:String):设置某特征列的权重值,如果不设置或者为空,默认所有实例的权重为1。
上面与线性回归一致,还有一些特殊的:
<1> setFamily:值为”auto”,根据类的数量自动选择系列,如果numClasses=1或者numClasses=2,设置为二项式,否则设 置为多项式;
值为”binomial”,为二元逻辑回归;
值为”multinomial”,为多元逻辑回归
<2> setProbabilityCol:设置预测概率值的列名,默认为probability(即每个类别预测的概率值)
<3> setRawPredictionCol:指定原始预测列名,默认为rawPrediction
<4>setThreshold(value:Double):二元类阈值[0-1],默认为0.5,如果预测值大于0.5则为1,否则为0
<5>setThresholds(value:Array[Double]):多元分类阈值[0-1],默认为0.5
1 | import org.apache.spark.SparkConf |
logisticRegression example_*
1 | import org.apache.spark.ml.linalg.Vectors |