如何在Apache Spark的MLlib中将数值和分类特征传递给RandomForestRegressor?

如何在Apache Spark的MLlib中将数值和分类特征传递给RandomForestRegressor?

我能够单独处理数值或分类特征,但不知道如何将它们一起实现。

我目前的工作代码如下(仅使用数值特征进行预测)

String[] featureNumericalCols = new String[]{        "squareM",        "timeTimeToPragueCityCenter",};String[] featureStringCols = new String[]{ //未使用        "type",        "floor",        "disposition",};VectorAssembler assembler = new VectorAssembler().setInputCols(featureNumericalCols).setOutputCol("features");Dataset<Row> numericalData = assembler.transform(data);numericalData.show();RandomForestRegressor rf = new RandomForestRegressor().setLabelCol("price")       .setFeaturesCol("features");// 将索引器和森林链接到Pipeline中Pipeline pipeline = new Pipeline()    .setStages(new PipelineStage[]{assembler, rf});// 训练模型。这也运行了索引器。PipelineModel model = pipeline.fit(trainingData);// 进行预测。Dataset<Row> predictions = model.transform(testData);

回答:

对于所有人,这里是解决方案:

    StringIndexer typeIndexer = new StringIndexer()            .setInputCol("type")            .setOutputCol("typeIndex");    preparedData = typeIndexer.fit(preparedData).transform(preparedData);    StringIndexer floorIndexer = new StringIndexer()            .setInputCol("floor")            .setOutputCol("floorIndex");    preparedData = floorIndexer.fit(preparedData).transform(preparedData);    StringIndexer dispositionIndexer = new StringIndexer()            .setInputCol("disposition")            .setOutputCol("dispositionIndex");    preparedData = dispositionIndexer.fit(preparedData).transform(preparedData);    String[] featureCols = new String[]{            "squareM",            "timeTimeToPragueCityCenter",            "typeIndex",            "floorIndex",            "dispositionIndex"    };    VectorAssembler assembler = new VectorAssembler().setInputCols(featureCols).setOutputCol("features");    preparedData = assembler.transform(preparedData); //    ... 一些更多的实现细节    RandomForestRegressor rf = new RandomForestRegressor().setLabelCol("price")            .setFeaturesCol("features");    return rf.fit(preparedData); 

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注