PySpark︱pyspark.ml 相关模型实践
文章目录
- 1 pyspark.ml MLP模型实践
- 模型存储与加载
- 9 spark.ml模型评估 MulticlassClassificationEvaluator
1 pyspark.ml MLP模型实践
官方案例来源:https://spark.apache.org/docs/latest/api/python/pyspark.ml.html#pyspark.ml.classification.MultilayerPerceptronClassifier
>>> from pyspark.ml.linalg import Vectors
>>> df = spark.createDataFrame([
... (0.0, Vectors.dense([0.0, 0.0])),
... (1.0, Vectors.dense([0.0, 1.0])),
... (1.0, Vectors.dense([1.0, 0.0])),
... (0.0, Vectors.dense([1.0, 1.0]))], ["label", "features"])
>>> mlp = MultilayerPerceptronClassifier(maxIter=100, layers=[2, 2, 2], blockSize=1, seed=123)
>>> model = mlp.fit(df)
>>> model.layers
[2, 2, 2]
>>> model.weights.size
12
>>> testDF = spark.createDataFrame([
... (Vectors.dense([1.0, 0.0]),),
... (Vectors.dense([0.0, 0.0]),)], ["features"])
>>> model.transform(testDF).select("features", "prediction").show()
+---------+----------+
| features|prediction|
+---------+----------+
|[1.0,0.0]| 1.0|
|[0.0,0.0]| 0.0|
+---------+----------+
...
>>> mlp_path = temp_path + "/mlp"
>>> mlp.save(mlp_path)
>>> mlp2 = MultilayerPerceptronClassifier.load(mlp_path)
>>> mlp2.getBlockSize()
1
>>> model_path = temp_path + "/mlp_model"
>>> model.save(model_path)
>>> model2 = MultilayerPerceptronClassificationModel.load(model_path)
>>> model.layers == model2.layers
True
>>> model.weights == model2.weights
True
>>> mlp2 = mlp2.setInitialWeights(list(range(0, 12)))
>>> model3 = mlp2.fit(df)
>>> model3.weights != model2.weights
True
>>> model3.layers == model.layers
True
主函数为:
class pyspark.ml.classification.MultilayerPerceptronClassifier(featuresCol='features', labelCol='label', predictionCol='prediction', maxIter=100, tol=1e-06, seed=None, layers=None, blockSize=128, stepSize=0.03, solver='l-bfgs', initialWeights=None, probabilityCol='probability', rawPredictionCol='rawPrediction')
其中,隐藏层的解释:
layers=[8, 9, 8, 2]
指定神经网络的图层:输入层8个节点(即8个特征),与特征数对应;两个隐藏层,隐藏结点数分别为9和8;输出层2个结点(即二分类)
其中,节点特征数量限定的时候,自己的训练集是一次性将 特征+target一起给入模型,所以在计算特征个数的时候,需要整体-1
blockSize 用于在矩阵中堆叠输入数据的块大小以加速计算。 数据在分区内堆叠。
- 如果块大小大于分区中的剩余数据,则将其调整为该数据的大小。
- 本来建议大小介于10到1000之间。默认值:128,现在比较建议设置为1
模型存储与加载
笔者自己在使用GBDT的时候,有点闹不明白:GBTClassificationModel和GBTClassifier的区别,因为两者都可以save 和load
这个小问题从官方的case来看,代表着:
GBTClassifier是初始化的模型;GBTClassificationModel是fit之后的模型。如果是训练之后的model,需要使用GBTClassificationModel来进行save和load.
9 spark.ml模型评估 MulticlassClassificationEvaluator
之前找这个评估函数找了半天,需要用这样的用法(f1|weightedPrecision|weightedRecall|accuracy)
其中,predictionCol
,是指定哪个是target。
from pyspark.ml.evaluation import MulticlassClassificationEvaluatorpredictionAndLabels = result.select("prediction", "label")
for indexes in ['accuracy','weightedRecall','weightedPrecision','f1']:evaluator = MulticlassClassificationEvaluator(labelCol="label", predictionCol="prediction", metricName=indexes)print("Test set {} = {}".format(indexes,str(evaluator.evaluate(predictionAndLabels))))
PySpark︱pyspark.ml 相关模型实践相关推荐
- 在ASP.NET Core中使用的ML.NET模型构建器入门
目录 介绍 背景 先决条件 使用代码 第1步-创建ASP.NET Core应用程序 步骤2:使用ML.NET Model Builder 数据 训练 评估 代码 步骤3:将ML.NET添加到ASP.N ...
- pySpark | pySpark.Dataframe使用的坑 与 经历
笔者最近在尝试使用PySpark,发现pyspark.dataframe跟pandas很像,但是数据操作的功能并不强大.由于,pyspark环境非自建,别家工程师也不让改,导致本来想pyspark环境 ...
- 1w字详解 ClickHouse漏斗模型实践方案(收藏)
作者:互联网大数据团队- Wu Yonggang 日常工作中做为数仓开发工程师.数据分析师经常碰到漏斗分析模型,本文详细介绍漏斗模型的概念及基本原理,并阐述了其在平台内部的具体实现.针对实际使用过程的 ...
- 软件项目管理用到的相关模型
软件工程的相关模型 软件工程五大模型: 瀑布模型 特点:阶段间具有顺序性和依赖性: • 前一阶段完成后,才能开始后一阶段 • 前一阶段的输出文本为后一阶段的输入文本 • 推迟实现的观点 • 质量保证: ...
- 在 Android 上部署Machine Learning(ML) 模型
@如何在 Android 上部署机器学习 (ML) 模型 ** 如何在 Android 上部署Machine Learning(ML) 模型 ** 目录 Android上的 ML 项目工作流程 在 A ...
- 关于大模型实践的一些总结
随着近期ChatGPT的迅速出圈,加速了的大模型时代变革.以Transformer.MOE结构为代表的大模型,传统的单机单卡训练模式肯定不能满足上千亿参数的模型训练,这时候我们就需要解决内存墙和通信墙 ...
- 读8篇论文,梳理BERT相关模型进展与反思
作者 | 陈永强 来源 | 微软研究院AI头条(ID:MSRAsia) [导读]BERT 自从在 arXiv 上发表以来获得了很大的成功和关注,打开了 NLP 中 2-Stage 的潘多拉魔盒.随后 ...
- NLP自然语言常见问题及相关模型训练数据格式示例
NLP自然语言常见问题及相关模型训练数据格式示例 目录 NLP自然语言常见问题及相关模型训练数据格式示例 NLP任务集 <
- 8篇论文梳理BERT相关模型进展与反思 | MSRA出品
原作:MSRA陈永强 量子位 授权转载 | 公众号 QbitAI BERT 自从在 arXiv 上发表以来获得了很大的成功和关注,打开了 NLP 中 2-Stage 的潘多拉魔盒. 随后涌现了一大批 ...
最新文章
- CentOS中Mysql常用操作
- 苦修月余,斩获bigo、腾讯offer,面经奉上!
- 如何成为SEO专家(10步指南)
- 科学计算库Numpy——随机模块
- 教你10招最有效防电脑辐射方法
- oclick vue 传参 函数_详解Vue计算属性和侦听属性
- 【数据结构与算法】之深入解析“缺失的第一个正数”的求解思路与算法示例
- MyEclipse创建struts.xml
- python的excell库_Python中使用第三方库xlrd来写入Excel文件示例
- azure 入门_Azure Cosmos DB入门
- 手机号、身份证格式校验
- 自定义一个腾讯云短信验证码接口spring-starter
- 云计算与大数据概论(1) 云计算,大数据是什么
- Java实现简单四则运算
- 大学老师必备!30余个学术资源网站速收藏(附链接)
- exchange邮箱一直提示密码错误,密码是正确的,求大佬解答
- win10打开蓝牙_学会了这些win10快捷键,可以极大的提高你的工作效率
- [概念]CSV逗号分隔值
- arcpy_根据excel批量修改字段别名
- 支付宝当面付-扫码支付