R SparkR spark.naiveBayes用法及代碼示例

說明：

spark.naiveBayes 將伯努利樸素貝葉斯模型與 SparkDataFrame 擬合。用戶可以調用summary打印擬合模型的摘要，調用predict對新數據進行預測，調用write.ml/read.ml保存/加載擬合模型。僅支持分類數據。

用法：

spark.naiveBayes(data, formula, ...)

## S4 method for signature 'SparkDataFrame,formula'
spark.naiveBayes(
  data,
  formula,
  smoothing = 1,
  handleInvalid = c("error", "keep", "skip")
)

## S4 method for signature 'NaiveBayesModel'
summary(object)

## S4 method for signature 'NaiveBayesModel'
predict(object, newData)

## S4 method for signature 'NaiveBayesModel,character'
write.ml(object, path, overwrite = FALSE)

參數：

• data 用於模型擬合的 SparkDataFrame 觀察值和標簽。
• formula 要擬合的模型的符號說明。目前僅支持少數公式運算符，包括'~'、'.'、':'、'+'和'-'。
• ... 傳遞給方法的附加參數。目前隻有 smoothing 。
• smoothing 平滑參數。
• handleInvalid 如何處理字符串類型的特征和標簽列中的無效數據(看不見的標簽或 NULL 值)。支持的選項："skip"(過濾掉包含無效數據的行)、"error"(拋出錯誤)、"keep"(將無效數據放入特殊的附加存儲桶中，索引為 numLabels)。默認為"error"。
• object spark.naiveBayes 擬合的樸素貝葉斯模型。
• newData 用於測試的 SparkDataFrame。
• path 保存模型的目錄。
• overwrite 如果輸出路徑已經存在，是否覆蓋。默認為 FALSE，這意味著如果輸出路徑存在則拋出異常。

返回：

spark.naiveBayes 返回一個擬合的樸素貝葉斯模型。

summary 返回擬合模型的匯總信息，是一個列表。該列表包括apriori(標簽分布)和tables(給定目標標簽的條件概率)。

predict 返回一個 SparkDataFrame，其中包含在名為 "prediction" 的列中標記的預測值。

注意：

spark.naiveBayes 自 2.0.0 起

摘要(NaiveBayesModel)自 2.0.0 起

從 2.0.0 開始預測(NaiveBayesModel)

write.ml(NaiveBayesModel, character) 自 2.0.0 起

例子：

data <- as.data.frame(UCBAdmissions)
df <- createDataFrame(data)

# fit a Bernoulli naive Bayes model
model <- spark.naiveBayes(df, Admit ~ Gender + Dept, smoothing = 0)

# get the summary of the model
summary(model)

# make predictions
predictions <- predict(model, df)

# save and load the model
path <- "path/to/model"
write.ml(model, path)
savedModel <- read.ml(path)
summary(savedModel)