DecisionTree¶
-
类
pyspark.mllib.tree。DecisionTree¶ -
学习算法分类决策树模型或回归。
方法
trainClassifier(数据、numClasses…[…])训练分类的决策树模型。
trainRegressor(数据、categoricalFeaturesInfo)决策树模型回归训练。
方法的文档
-
classmethod
trainClassifier( 数据:pyspark.rdd.RDD(pyspark.mllib.regression.LabeledPoint],numClasses:int,categoricalFeaturesInfo:Dict(int,int],杂质:str=“基尼”,maxDepth:int=5,maxBins:int=32,minInstancesPerNode:int=1,minInfoGain:浮动=0.0 )→pyspark.mllib.tree.DecisionTreeModel ¶ -
训练分类的决策树模型。
- 参数
-
-
数据
pyspark.RDD -
训练数据:LabeledPoint抽样。标签应该值{0,1,…,numClasses-1}。
- numClasses int
-
类的数量分类。
- categoricalFeaturesInfo dict
-
地图存储参数数量分类的功能。一个条目(n - > k)表明功能n k类别索引从0直言:{0,1,…,k - 1}。
- 杂质 str,可选
-
用于信息增益的计算标准。支持的价值观:“基尼”或“熵”。(默认:“基尼”)
- maxDepth int,可选
-
树的最大深度(例如深度0意味着1叶节点,深度1意味着1 + 2叶节点内部节点)。(默认值:5)
- maxBins int,可选
-
使用的箱子数量在每个节点寻找分裂。(默认值:32)
- minInstancesPerNode int,可选
-
最小数量的实例需要创建父在子节点分裂。(默认值:1)
- minInfoGain 浮动,可选
-
创建一个分裂所需最小信息增益。(默认值:0.0)
-
数据
- 返回
例子
> > >从numpy进口数组> > >从pyspark.mllib.regression进口LabeledPoint> > >从pyspark.mllib.tree进口DecisionTree> > >> > >数据=(…LabeledPoint(0.0,(0.0]),…LabeledPoint(1.0,(1.0]),…LabeledPoint(1.0,(2.0]),…LabeledPoint(1.0,(3.0])…]> > >模型=DecisionTree。trainClassifier(sc。并行化(数据),2,{})> > >打印(模型)DecisionTreeModel 1与3节点分类器的深度
> > >打印(模型。toDebugString())DecisionTreeModel 1与3节点分类器的深度如果(功能0 < = 0.5)预测:0.0其他(功能0 > 0.5)预测:1.0> > >模型。预测(数组([1.0)))1.0> > >模型。预测(数组([0.0)))0.0> > >抽样=sc。并行化([[1.0),(0.0]])> > >模型。预测(抽样)。收集()[1.0,0.0]
-
classmethod
trainRegressor( 数据:pyspark.rdd.RDD(pyspark.mllib.regression.LabeledPoint],categoricalFeaturesInfo:Dict(int,int],杂质:str=“方差”,maxDepth:int=5,maxBins:int=32,minInstancesPerNode:int=1,minInfoGain:浮动=0.0 )→pyspark.mllib.tree.DecisionTreeModel ¶ -
决策树模型回归训练。
- 参数
-
-
数据
pyspark.RDD -
训练数据:LabeledPoint抽样。标签是实数。
- categoricalFeaturesInfo dict
-
地图存储参数数量分类的功能。一个条目(n - > k)表明功能n k类别索引从0直言:{0,1,…,k - 1}。
- 杂质 str,可选
-
用于信息增益的计算标准。仅支持的价值回归“方差”。(默认:“方差”)
- maxDepth int,可选
-
树的最大深度(例如深度0意味着1叶节点,深度1意味着1 + 2叶节点内部节点)。(默认值:5)
- maxBins int,可选
-
使用的箱子数量在每个节点寻找分裂。(默认值:32)
- minInstancesPerNode int,可选
-
最小数量的实例需要创建父在子节点分裂。(默认值:1)
- minInfoGain 浮动,可选
-
创建一个分裂所需最小信息增益。(默认值:0.0)
-
数据
- 返回
例子
> > >从pyspark.mllib.regression进口LabeledPoint> > >从pyspark.mllib.tree进口DecisionTree> > >从pyspark.mllib.linalg进口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}))…]> > >> > >模型=DecisionTree。trainRegressor(sc。并行化(sparse_data),{})> > >模型。预测(SparseVector(2,{1:1.0}))1.0> > >模型。预测(SparseVector(2,{1:0.0}))0.0> > >抽样=sc。并行化([[0.0,1.0),(0.0,0.0]])> > >模型。预测(抽样)。收集()[1.0,0.0]
-
classmethod