Python pyspark GradientBoostedTrees.trainRegressor用法及代码示例

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

用法: classmethod trainRegressor(data, categoricalFeaturesInfo, loss='leastSquaresError', numIterations=100, learningRate=0.1, maxDepth=3, maxBins=32)

训练梯度增强树模型进行回归。

版本 1.3.0 中的新函数。

参数：

data :：: 训练数据集：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}。
loss：str，可选: 梯度提升期间用于最小化的损失函数。支持的值：“logLoss”、“leastSquaresError”、“leastAbsoluteError”。 (默认：“leastSquaresError”)
numIterations：整数，可选: 提升的迭代次数。 (默认值：100)
learningRate：浮点数，可选: 缩小每个估计器贡献的学习率。学习率应该在区间 (0, 1] 之间。(默认值：0.1)
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：3)
maxBins：整数，可选: 用于分割要素的最大箱数。 DecisionTree 要求 maxBins >= 最大类别。 (默认值：32)

GradientBoostedTreesModel: 可用于预测。

例子：

>>> from pyspark.mllib.regression import LabeledPoint
>>> from pyspark.mllib.tree import GradientBoostedTrees
>>> from pyspark.mllib.linalg import SparseVector
>>>
>>> sparse_data = [
...     LabeledPoint(0.0, SparseVector(2, {0: 1.0})),
...     LabeledPoint(1.0, SparseVector(2, {1: 1.0})),
...     LabeledPoint(0.0, SparseVector(2, {0: 1.0})),
...     LabeledPoint(1.0, SparseVector(2, {1: 2.0}))
... ]
>>>
>>> data = sc.parallelize(sparse_data)
>>> model = GradientBoostedTrees.trainRegressor(data, {}, numIterations=10)
>>> model.numTrees()
10
>>> model.totalNumNodes()
12
>>> model.predict(SparseVector(2, {1: 1.0}))
1.0
>>> model.predict(SparseVector(2, {0: 1.0}))
0.0
>>> rdd = sc.parallelize([[0.0, 1.0], [1.0, 0.0]])
>>> model.predict(rdd).collect()
[1.0, 0.0]

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.GradientBoostedTrees.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：