当前位置: 首页>>代码示例>>Python>>正文


Python evaluation.MulticlassClassificationEvaluator方法代码示例

本文整理汇总了Python中pyspark.ml.evaluation.MulticlassClassificationEvaluator方法的典型用法代码示例。如果您正苦于以下问题:Python evaluation.MulticlassClassificationEvaluator方法的具体用法?Python evaluation.MulticlassClassificationEvaluator怎么用?Python evaluation.MulticlassClassificationEvaluator使用的例子?那么恭喜您, 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.ml.evaluation的用法示例。


在下文中一共展示了evaluation.MulticlassClassificationEvaluator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: main

# 需要导入模块: from pyspark.ml import evaluation [as 别名]
# 或者: from pyspark.ml.evaluation import MulticlassClassificationEvaluator [as 别名]
def main(sc, spark):
    # Load and vectorize the corpus
    corpus = load_corpus(sc, spark)
    vector = make_vectorizer().fit(corpus)

    # Index the labels of the classification
    labelIndex = StringIndexer(inputCol="label", outputCol="indexedLabel")
    labelIndex = labelIndex.fit(corpus)

    # Split the data into training and test sets
    training, test = corpus.randomSplit([0.8, 0.2])

    # Create the classifier
    clf = LogisticRegression(
        maxIter=10, regParam=0.3, elasticNetParam=0.8,
        family="multinomial", labelCol="indexedLabel", featuresCol="tfidf")

    # Create the model
    model = Pipeline(stages=[
        vector, labelIndex, clf
    ]).fit(training)

    # Make predictions
    predictions = model.transform(test)
    predictions.select("prediction", "indexedLabel", "tfidf").show(5)

    # Select (prediction, true label) and compute test error
    evaluator = MulticlassClassificationEvaluator(
        labelCol="indexedLabel", predictionCol="prediction", metricName="accuracy")
    accuracy = evaluator.evaluate(predictions)
    print("Test Error = %g" % (1.0 - accuracy))

    gbtModel = model.stages[2]
    print(gbtModel)  # summary only 
开发者ID:foxbook,项目名称:atap,代码行数:36,代码来源:sc_classification.py


注:本文中的pyspark.ml.evaluation.MulticlassClassificationEvaluator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。