我在尝试创建一个LogisticRegression模型（LogisticRegressionWithSGD），但遇到了以下错误：

org.apache.spark.SparkException: Input validation failed.

如果我提供二进制输入（0,1而不是0,1,2），它就能成功运行。

示例输入：

parsed_data = [LabeledPoint(0.0, [4.6,3.6,1.0,0.2]),LabeledPoint(0.0, [5.7,4.4,1.5,0.4]),LabeledPoint(1.0, [6.7,3.1,4.4,1.4]),LabeledPoint(0.0, [4.8,3.4,1.6,0.2]),LabeledPoint(2.0, [4.4,3.2,1.3,0.2])]

代码： model = LogisticRegressionWithSGD.train(parsed_data)

Spark中的Logistic Regression模型是否仅用于二元分类？

回答：

虽然文档中没有明确说明（你需要深入源代码才能发现），LogisticRegressionWithSGD仅适用于二进制数据；对于多项回归，你应该使用LogisticRegressionWithLBFGS：

 from pyspark.mllib.classification import LogisticRegressionWithLBFGS, LogisticRegressionModel, LogisticRegressionWithSGD from pyspark.mllib.regression import LabeledPoint parsed_data = [LabeledPoint(0.0, [4.6,3.6,1.0,0.2]),                LabeledPoint(0.0, [5.7,4.4,1.5,0.4]),                LabeledPoint(1.0, [6.7,3.1,4.4,1.4]),                LabeledPoint(0.0, [4.8,3.4,1.6,0.2]),                LabeledPoint(2.0, [4.4,3.2,1.3,0.2])]      model = LogisticRegressionWithSGD.train(sc.parallelize(parsed_data)) # 会报错： # org.apache.spark.SparkException: Input validation failed. model = LogisticRegressionWithLBFGS.train(sc.parallelize(parsed_data), numClasses=3)  # 运行正常