Spark MLLib如何在训练分类器时忽略要素

Question

我想仅使用每个LabeledPoint中的一部分特征在RDD [LabeledPoint]上训练分类器（既快速调整模型，又包含每个LabeledPoint，例如不是特征的ID或评估指标）。我搜索了文档，并找不到指定应包含或忽略哪些列的方法。代码如下，我正在使用Spark和MLLib 1.3.1，Scala 2.10.4。

如果无法排除特定功能，那么在训练期间将忽略每个数据点的ID都会有所帮助。任何帮助表示赞赏！

val numClasses = 2 
val categoricalFeaturesInfo = Map[Int, Int](5 -> 2) 
val numTrees = 100 
val featureSubsetStrategy = "auto" 
val impurity = "gini" 
val maxDepth = 6 
val maxBins = 20 
val model = RandomForest.trainClassifier(trainingData, numClasses, categoricalFeaturesInfo, numTrees, featureSubsetStrategy, impurity, maxDepth, maxBins) 

Answer 1

想要在构建模型之前选择一个特征的子集，或者想要为RandomForest分类器在迭代之间使用一些自定义策略吗？

如果是第一种情况 - 您可以在构建模型之前将trainingData与地图转换进行转换。

有关功能选择的示例，请参阅MLlib - Feature Extraction and Transformation中的功能选择部分。