Python pyspark DecisionTree.trainRegressor用法及代码示例

本文简要介绍 pyspark.mllib.tree.DecisionTree.trainRegressor 的用法。

用法: classmethod trainRegressor(data, categoricalFeaturesInfo, impurity='variance', maxDepth=5, maxBins=32, minInstancesPerNode=1, minInfoGain=0.0)

训练回归的决策树模型。

参数：

data：pyspark.RDD: 训练数据：LabeledPoint 的 RDD。标签是实数。
categoricalFeaturesInfo：dict: Map存储分类特征的数量。条目 (n -> k) 表示特征 n 是分类的，其中 k 个类别从 0 开始索引：{0, 1, ..., k-1}。
impurity：str，可选: 用于信息增益计算的标准。唯一支持的回归值是“variance”。 (默认：“variance”)
maxDepth：整数，可选: 树的最大深度(例如，深度 0 表示 1 个叶节点，深度 1 表示 1 个内部节点 + 2 个叶节点)。 (默认值：5)
maxBins：整数，可选: 用于在每个节点处查找拆分的箱数。 (默认值：32)
minInstancesPerNode：整数，可选: 子节点创建父拆分所需的最小实例数。 (默认值：1)
minInfoGain：浮点数，可选: 创建拆分所需的最小信息增益。 (默认值：0.0)

DecisionTreeModel

例子：

>>> from pyspark.mllib.regression import LabeledPoint
>>> from pyspark.mllib.tree import DecisionTree
>>> from pyspark.mllib.linalg import SparseVector
>>>
>>> sparse_data = [
...     LabeledPoint(0.0, SparseVector(2, {0: 0.0})),
...     LabeledPoint(1.0, SparseVector(2, {1: 1.0})),
...     LabeledPoint(0.0, SparseVector(2, {0: 0.0})),
...     LabeledPoint(1.0, SparseVector(2, {1: 2.0}))
... ]
>>>
>>> model = DecisionTree.trainRegressor(sc.parallelize(sparse_data), {})
>>> model.predict(SparseVector(2, {1: 1.0}))
1.0
>>> model.predict(SparseVector(2, {1: 0.0}))
0.0
>>> rdd = sc.parallelize([[0.0, 1.0], [0.0, 0.0]])
>>> model.predict(rdd).collect()
[1.0, 0.0]

1.1.0 版中的新函数。

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.mllib.tree.DecisionTree.trainRegressor。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：