火花的线性回归权重和预测

我从Scala开始使用Spark MLib库。根据我迄今为止的测试，我无法获得远程正确的结果。正在尝试几种方法来完成它，但没有成功。就目前而言，即使使用相对简单的数据：火花的线性回归权重和预测

我无法得到任何体面的结果。这是我到目前为止的代码：[相当标准我猜]

import org.apache.spark.mllib.regression.LinearRegressionWithSGD 
import org.apache.spark.mllib.regression.LabeledPoint 
import org.apache.spark.mllib.linalg.Vectors 

val data = sc.textFile("/Users/jacek/oo.csv") 
val parsedData = data.map { line => 
    val parts = line.split(',') 
    LabeledPoint(parts(0).toDouble, Vectors.dense(Array(1.0, parts(1).toDouble))) 
} 

val numIterations = 20 
val model = LinearRegressionWithSGD.train(parsedData, numIterations) 

val valuesAndPreds = parsedData.map { point => 
    val prediction = model.predict(point.features) 
    (point.label, prediction) 
}

这些是我得到的结果：

model: org.apache.spark.mllib.regression.LinearRegressionModel = (weights=[-1.3423470408513295E21,-9.345181656001024E21], intercept=0.0) 

scala> parsedData.take(10) 
res48: Array[org.apache.spark.mllib.regression.LabeledPoint] = Array((1.0,[1.0,1.0]), (2.0,[1.0,2.0]), (3.0,[1.0,3.0]), (4.0,[1.0,4.0]), (5.0,[1.0,5.0]), (6.0,[1.0,6.0]), (7.0,[1.0,7.0]), (8.0,[1.0,8.0]), (9.0,[1.0,9.0]), (10.0,[1.0,10.0])) 

scala> valuesAndPreds.take(10) 
res49: Array[(Double, Double)] = Array((1.0,-6.764535208E21), (2.0,-1.2266421529070415E22), (3.0,-1.8399632293605623E22), (4.0,-2.453284305814083E22), (5.0,-3.0666053822676038E22), (6.0,-3.6799264587211245E22), (7.0,-4.293247535174645E22), (8.0,-4.906568611628166E22), (9.0,-5.519889688081687E22), (10.0,-6.7645352076E22)) 

scala>

我试着套不同的线性回归算法设置没有多少运气。任何帮助表示赞赏。

来源

2015-05-18 Jacek Dominiak

基于这里的一些测试是回归优化器设置，这将使数为好，因为他们可以得到的，我想：

var regression = new LinearRegressionWithSGD().setIntercept(true) 
regression.optimizer.setStepSize(0.1) 
regression.optimizer.setNumIterations(1000) 
val model2 = regression.run(parsedData)

感谢@pzecevic您的帮助。你已经指出我正确的方向。

来源

2015-05-19 08:55:26

没有看过你的问题彻底（对不起），但你可能需要拦截设置为true：

val alg = new LinearRegressionWithSGD() 
alg.setIntercept(true) 
alg.optimizer.setNumIterations(numIterations) 
val model = alg.run(parsedData)

此外，20次迭代可能是太少了。

来源

2015-05-18 15:28:27 pzecevic

火花的线性回归权重和预测

回答

相关问题