Question

我开始使用Scala的Spark MLib库。根据我到目前为止的测试，我无法得到结果甚至远程正确。正在尝试几种方法来实现它而没有成功。就目前而言，即使数据相对简单：

1,1
2,2
3,3
4,4
5,5
6,6
7,7
8,8
9,9
10,10

我无法得到任何体面的结果。到目前为止，这是我的代码：[相当标准我猜]

import org.apache.spark.mllib.regression.LinearRegressionWithSGD
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.linalg.Vectors

val data = sc.textFile("/Users/jacek/oo.csv")
val parsedData = data.map { line =>
    val parts = line.split(',')
    LabeledPoint(parts(0).toDouble, Vectors.dense(Array(1.0, parts(1).toDouble)))
}

val numIterations = 20
val model = LinearRegressionWithSGD.train(parsedData, numIterations)

val valuesAndPreds = parsedData.map { point =>
    val prediction = model.predict(point.features)
    (point.label, prediction)
}

这些是我得到的结果：

model: org.apache.spark.mllib.regression.LinearRegressionModel = (weights=[-1.3423470408513295E21,-9.345181656001024E21], intercept=0.0)

scala> parsedData.take(10)
res48: Array[org.apache.spark.mllib.regression.LabeledPoint] = Array((1.0,[1.0,1.0]), (2.0,[1.0,2.0]), (3.0,[1.0,3.0]), (4.0,[1.0,4.0]), (5.0,[1.0,5.0]), (6.0,[1.0,6.0]), (7.0,[1.0,7.0]), (8.0,[1.0,8.0]), (9.0,[1.0,9.0]), (10.0,[1.0,10.0]))

scala> valuesAndPreds.take(10)
res49: Array[(Double, Double)] = Array((1.0,-6.133210764535208E21), (2.0,-1.2266421529070415E22), (3.0,-1.8399632293605623E22), (4.0,-2.453284305814083E22), (5.0,-3.0666053822676038E22), (6.0,-3.6799264587211245E22), (7.0,-4.293247535174645E22), (8.0,-4.906568611628166E22), (9.0,-5.519889688081687E22), (10.0,-6.1332107645352076E22))

scala>

我尝试过不同的LinearRegression算法设置而没有太多运气。任何帮助赞赏。

Answer 1

没有彻底阅读你的问题（对不起），但你可能需要设置拦截为真：

val alg = new LinearRegressionWithSGD()
alg.setIntercept(true)
alg.optimizer.setNumIterations(numIterations)
val model = alg.run(parsedData)

此外，20次迭代可能太少了。

Answer 2

基于一些测试，这里是回归优化器设置，它可以使数字尽可能好，我想：

var regression = new LinearRegressionWithSGD().setIntercept(true)
regression.optimizer.setStepSize(0.1)
regression.optimizer.setNumIterations(1000)
val model2 = regression.run(parsedData)

感谢@pzecevic的帮助。你已经指出了正确的方向。

线性回归权重和火花预测

2 个答案: