Python pyspark RandomForest.trainClassifier用法及代碼示例

本文簡要介紹 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)

為二元或多類分類訓練隨機森林模型。

版本 1.2.0 中的新函數。

參數：

data：pyspark.RDD: 訓練數據集：LabeledPoint 的 RDD。標簽應采用值 {0, 1, ..., numClasses-1}。
numClasses：int: 分類的類數。
categoricalFeaturesInfo：dict: Map存儲分類特征的數量。條目 (n -> k) 表示特征 n 是分類的，其中 k 個類別從 0 開始索引：{0, 1, ..., k-1}。
numTrees：int: 隨機森林中的樹數。
featureSubsetStrategy：str，可選: 在每個節點上考慮拆分的特征數。支持的值：“auto”, “all”, “sqrt”、“log2”、“onethird”。如果設置了“auto”，則根據numTrees設置該參數：如果numTrees == 1，設置為“all”；如果 numTrees > 1(森林)設置為 “sqrt”。 (默認：“auto”)
impurity：str，可選: 用於信息增益計算的標準。支持的值：“gini” 或“entropy”。 (默認：“gini”)
maxDepth：整數，可選: 樹的最大深度(例如，深度 0 表示 1 個葉節點，深度 1 表示 1 個內部節點 + 2 個葉節點)。 (默認：4)
maxBins：整數，可選: 用於分割要素的最大 bin 數。 (默認值：32)
seed：整數，可選: 用於引導和選擇特征子集的隨機種子。設置為 None 根據係統時間生成種子。 (默認：無)

RandomForestModel: 可用於預測。

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]

相關用法

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.mllib.tree.RandomForest.trainClassifier。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：