在Apache Spark中使用Java实现决策树的问题

我正在尝试使用Java和Apache Spark 1.0.0版本实现一个简单的决策树分类器演示。我参考了http://spark.apache.org/docs/1.0.0/mllib-decision-tree.html。到目前为止,我已经编写了如下代码。

根据以下代码,我遇到了错误:

org.apache.spark.mllib.tree.impurity.Impurity impurity = new org.apache.spark.mllib.tree.impurity.Entropy();

类型不匹配:无法从Entropy转换为Impurity。这对我来说很奇怪,因为Entropy类实现了Impurity接口:

https://spark.apache.org/docs/1.0.0/api/java/org/apache/spark/mllib/tree/impurity/Entropy.html

我想知道为什么我不能进行这种赋值?

package decisionTree;import java.util.regex.Pattern;import org.apache.spark.api.java.JavaRDD;import org.apache.spark.api.java.JavaSparkContext;import org.apache.spark.api.java.function.Function;import org.apache.spark.mllib.linalg.Vectors;import org.apache.spark.mllib.regression.LabeledPoint;import org.apache.spark.mllib.tree.DecisionTree;import org.apache.spark.mllib.tree.configuration.Algo;import org.apache.spark.mllib.tree.configuration.Strategy;import org.apache.spark.mllib.tree.impurity.Gini;import org.apache.spark.mllib.tree.impurity.Impurity;import scala.Enumeration.Value;public final class DecisionTreeDemo {    static class ParsePoint implements Function<String, LabeledPoint> {        private static final Pattern COMMA = Pattern.compile(",");        private static final Pattern SPACE = Pattern.compile(" ");        @Override        public LabeledPoint call(String line) {            String[] parts = COMMA.split(line);            double y = Double.parseDouble(parts[0]);            String[] tok = SPACE.split(parts[1]);            double[] x = new double[tok.length];            for (int i = 0; i < tok.length; ++i) {                x[i] = Double.parseDouble(tok[i]);            }            return new LabeledPoint(y, Vectors.dense(x));        }    }    public static void main(String[] args) throws Exception {        if (args.length < 1) {            System.err.println("Usage:DecisionTreeDemo <file>");            System.exit(1);        }        JavaSparkContext ctx = new JavaSparkContext("local[4]", "Log Analizer",                System.getenv("SPARK_HOME"),                JavaSparkContext.jarOfClass(DecisionTreeDemo.class));        JavaRDD<String> lines = ctx.textFile(args[0]);        JavaRDD<LabeledPoint> points = lines.map(new ParsePoint()).cache();        int iterations = 100;        int maxBins = 2;        int maxMemory = 512;        int maxDepth = 1;        org.apache.spark.mllib.tree.impurity.Impurity impurity = new org.apache.spark.mllib.tree.impurity.Entropy();        Strategy strategy = new Strategy(Algo.Classification(), impurity, maxDepth,                maxBins, null, null, maxMemory);        ctx.stop();    }}   

@[隐藏人名] 如果我删除impurity变量并更改为以下形式:

Strategy strategy = new Strategy(Algo.Classification(), new org.apache.spark.mllib.tree.impurity.Entropy(), maxDepth, maxBins, null, null, maxMemory);

错误变为:构造函数Entropy()未定义。

[已编辑]我找到了我认为正确的方法调用(https://issues.apache.org/jira/browse/SPARK-2197):

Strategy strategy = new Strategy(Algo.Classification(), new Impurity() {@Overridepublic double calculate(double arg0, double arg1, double arg2){ return Gini.calculate(arg0, arg1, arg2); }@Overridepublic double calculate(double arg0, double arg1){ return Gini.calculate(arg0, arg1); }}, 5, 100, QuantileStrategy.Sort(), null, 256);

不幸的是,我遇到了一个错误 🙁


回答:

现在可以通过这个拉取请求获得针对Bug 2197的Java解决方案:

为了便于Java使用,对决策树的其他改进: * 杂质类:添加了instance()方法以帮助Java接口。 * Strategy:添加了对Java友好的构造函数 –> 注意:我从Java友好的构造函数中移除了quantileCalculationStrategy,因为(a)它是一个特殊类,(b)目前只有一个选项。我怀疑在包含其他选项之前我们会重新设计API。

你可以在这里看到一个完整的示例,该示例使用Gini杂质的intance()方法解决了你的问题:这里

Strategy strategy = new Strategy(Algo.Classification(), Gini.instance(), maxDepth, numClasses,maxBins, categoricalFeaturesInfo);DecisionTreeModel model = DecisionTree$.MODULE$.train(rdd.rdd(), strategy);

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