mllib数据类型基础统计分类与回归特征提取转换ector.pptxVIP

mllib数据类型基础统计分类与回归特征提取转换ector.pptx

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

MLlib

汪文涛

2016.3.8

DataTypes

目录

BasicStatistics

ClassificationandRegression

FeatureExtractionandTransformation

DataTypes

Vector

Labeledpoint

DataTypes

Matrix

RowMatrix

IndexedRowMatrix

CoordinateMatrix

BlockMatrix

BasicStatistics

Summarystatistics

RDD[Vector]

Statistics.colStats()

MultivariateStatisticalSummary

max,min,mean,variance,numberofnonzeros,count

BasicStatistics

Correlations

RDD[Double]

Statistics.corr()

Double

X

Y

RDD[Vector]

Statistics.corr()

Matrix

pearsonorspearman

BasicStatistics

Stratifiedsampling

RDD[(K,V)]

sampleByKey

RDD[(K,V)]

withReplacement(true/false)

fractions(Map[K,Double])

ClassificationandRegression

SVMs

1.SVMWithSGD(Object)

Input:

input:RDD[LabeledPoint],

numIterations:Int,

stepSize:Double,

regParam:Double,

miniBatchFraction:Double,

initialWeights:Vector

(SVMWithSGD.train)

Output:

SVMModel

Predict:

SVMModel.predict(features)

SVMs

2.SVMWithSGD(Class)

valsvmAlg=newSVMWithSGD()

svmAlg.optimizer.

setNumIterations(200).

setRegParam(0.1).

setUpdater(newL1Updater)

valmodelL1=svmAlg.run(training)

ClassificationandRegression

DecisionTrees

Input

numClasses:Numberofclasses(forClassificationonly)

categoricalFeaturesInfo:Specifieswhichfeaturesarecategoricalandhowmanycategoricalvalueseachofthosefeaturescantake

maxDepth:Maximumdepthofatree

minInfoGain:Foranodetobesplitfurther,thesplitmustimproveatleastthismuch

maxBins:Numberofbinsusedwhendiscretizingcontinuousfeatures

impurity:Impuritymeasure(discussedabove)usedtochoosebetweencandidatesplits

trainingData

trainClassifier,trainRegressorortrain(algo:ClassificationorRegression)

Output

DecisionTreeModelthatcanbeusedforprediction

RandomForests,Gradient-BoostedTrees

ClassificationandRegression

NaiveBayes

Input

input:RDDof`(label,arrayoffeatures)`pairs.Everyvectorshouldbeafrequencyvectororacountvector

lambda:Thesmoothingparameter

modelType:ThetypeofNBmod

您可能关注的文档

文档评论(0)

honglajiao + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档