维度不匹配错误在Spark ML中

我对机器学习和Spark ML都比较新手,正在尝试使用Spark ML中的神经网络构建预测模型,但在对我的学习模型调用.transform方法时遇到了这个错误。问题是由OneHotEncoder的使用引起的,因为如果不使用它,一切都能正常工作。我已经尝试从管道中移除OneHotEncoder。

我的问题是:如何使用OneHotEncoder而不产生这个错误?

 java.lang.IllegalArgumentException: requirement failed: A & B Dimension mismatch!  at scala.Predef$.require(Predef.scala:224)     at org.apache.spark.ml.ann.BreezeUtil$.dgemm(BreezeUtil.scala:41)   at org.apache.spark.ml.ann.AffineLayerModel.eval(Layer.scala:163)     at org.apache.spark.ml.ann.FeedForwardModel.forward(Layer.scala:482)  at org.apache.spark.ml.ann.FeedForwardModel.predict(Layer.scala:529)

我的代码如下:

test_pandas_df = pd.read_csv(    '/home/piotrek/ml/adults/adult.test', names=header, skipinitialspace=True)train_pandas_df = pd.read_csv(    '/home/piotrek/ml/adults/adult.data', names=header, skipinitialspace=True)train_df = sqlContext.createDataFrame(train_pandas_df)test_df = sqlContext.createDataFrame(test_pandas_df)joined = train_df.union(test_df)assembler = VectorAssembler().setInputCols(features).setOutputCol("features")label_indexer = StringIndexer().setInputCol(    "label").setOutputCol("label_index")label_indexer_fit = [label_indexer.fit(joined)]string_indexers = [StringIndexer().setInputCol(    name).setOutputCol(name + "_index").fit(joined) for name in categorical_feats]one_hot_pipeline = Pipeline().setStages([OneHotEncoder().setInputCol(    name + '_index').setOutputCol(name + '_one_hot') for name in categorical_feats])mlp = MultilayerPerceptronClassifier().setLabelCol(label_indexer.getOutputCol()).setFeaturesCol(    assembler.getOutputCol()).setLayers([len(features), 20, 10, 2]).setSeed(42L).setBlockSize(1000).setMaxIter(500)pipeline = Pipeline().setStages(label_indexer_fit                                + string_indexers + [one_hot_pipeline] + [assembler, mlp])model = pipeline.fit(train_df)# compute accuracy on the test setresult = model.transform(test_df)## FAILS ON RESULTpredictionAndLabels = result.select("prediction", "label_index")evaluator = MulticlassClassificationEvaluator(labelCol="label_index")print "-------------------------------"print("Test set accuracy = " + str(evaluator.evaluate(predictionAndLabels)))print "-------------------------------"

谢谢!


回答:

你的模型中的layers Param 设置不正确:

setLayers([len(features), 20, 10, 2])

第一层应该反映输入特征的数量,这通常与编码前的原始列数不同。

如果你事先不知道特征的总数,你可以例如分开进行特征提取和模型训练。伪代码如下:

feature_pipeline_model = (Pipeline()     .setStages(...)  # 仅特征提取     .fit(train_df))train_df_features = feature_pipeline_model.transform(train_df)layers = [    train_df_features.schema["features"].metadata["ml_attr"]["num_attrs"],    20, 10, 2]

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注