Python pyspark RandomForest.trainClassifier用法及代码示例

本文简要介绍 pyspark.mllib.tree.RandomForest.trainClassifier 的用法。

用法: classmethod trainClassifier(data, numClasses, categoricalFeaturesInfo, numTrees, featureSubsetStrategy='auto', impurity='gini', maxDepth=4, maxBins=32, seed=None)

为二元或多类分类训练随机森林模型。

版本 1.2.0 中的新函数。

参数：

data：pyspark.RDD: 训练数据集：LabeledPoint 的 RDD。标签应采用值 {0, 1, ..., numClasses-1}。
numClasses：int: 分类的类数。
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}。
numTrees：int: 随机森林中的树数。
featureSubsetStrategy：str，可选: 在每个节点上考虑拆分的特征数。支持的值：“auto”, “all”, “sqrt”、“log2”、“onethird”。如果设置了“auto”，则根据numTrees设置该参数：如果numTrees == 1，设置为“all”；如果 numTrees > 1(森林)设置为 “sqrt”。 (默认：“auto”)
impurity：str，可选: 用于信息增益计算的标准。支持的值：“gini” 或“entropy”。 (默认：“gini”)
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：4)
maxBins：整数，可选: 用于分割要素的最大 bin 数。 (默认值：32)
seed：整数，可选: 用于引导和选择特征子集的随机种子。设置为 None 根据系统时间生成种子。 (默认：无)

RandomForestModel: 可用于预测。

例子：

>>> from pyspark.mllib.regression import LabeledPoint
>>> from pyspark.mllib.tree import RandomForest
>>>
>>> data = [
...     LabeledPoint(0.0, [0.0]),
...     LabeledPoint(0.0, [1.0]),
...     LabeledPoint(1.0, [2.0]),
...     LabeledPoint(1.0, [3.0])
... ]
>>> model = RandomForest.trainClassifier(sc.parallelize(data), 2, {}, 3, seed=42)
>>> model.numTrees()
3
>>> model.totalNumNodes()
7
>>> print(model)
TreeEnsembleModel classifier with 3 trees

>>> print(model.toDebugString())
TreeEnsembleModel classifier with 3 trees

  Tree 0:
    Predict: 1.0
  Tree 1:
    If (feature 0 <= 1.5)
     Predict: 0.0
    Else (feature 0 > 1.5)
     Predict: 1.0
  Tree 2:
    If (feature 0 <= 1.5)
     Predict: 0.0
    Else (feature 0 > 1.5)
     Predict: 1.0

>>> model.predict([2.0])
1.0
>>> model.predict([0.0])
0.0
>>> rdd = sc.parallelize([[3.0], [1.0]])
>>> 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.RandomForest.trainClassifier。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：