当前位置: 首页>>代码示例>>Python>>正文


Python StandardScaler.predict方法代码示例

本文整理汇总了Python中pyspark.mllib.feature.StandardScaler.predict方法的典型用法代码示例。如果您正苦于以下问题:Python StandardScaler.predict方法的具体用法?Python StandardScaler.predict怎么用?Python StandardScaler.predict使用的例子?那么, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在pyspark.mllib.feature.StandardScaler的用法示例。


在下文中一共展示了StandardScaler.predict方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: LabeledPoint

# 需要导入模块: from pyspark.mllib.feature import StandardScaler [as 别名]
# 或者: from pyspark.mllib.feature.StandardScaler import predict [as 别名]
	
	label = timeseries.map(lambda row: row[0])
	labeled_data = label.zip(features_t)

	final_data = labeled_data.map(lambda row: LabeledPoint(row[0], row[1]))
	
	model = LinearRegressionWithSGD.train(final_data, 1000, .0000001, intercept=True)
		#model = RidgeRegressionWithSGD.train(final_data, 1000, .00000001, intercept=True)
		#model = LassoWithSGD.train(final_data, 1000, .00000001, intercept=True)
	modelList.append(model)
		

		#print ""
		#print "Model1 weights " + str(model.weights)
		#print ""
	prediObserRDD = final_data.map(lambda row: (float(model.predict(row.features)), row.label))

	metrics = RegressionMetrics(prediObserRDD)
	print "1 R2 = " + str(metrics.r2)
	print "1 Root mean squared error = " + str(metrics.rootMeanSquaredError)

	'''print "Predicting model "
	preds = final_data.map(lambda p: p.features)
	values = final_data.map(lambda p: p.label)
	print "Printing preds " 
	preds = model.predict(preds)
	print preds.take(10)
	print ""
	print "Printing label "
	print values.take(10)
	print ""'''
开发者ID:benCoomes,项目名称:projectSol,代码行数:33,代码来源:spark_linear_regression.py


注:本文中的pyspark.mllib.feature.StandardScaler.predict方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。