如何在随机森林中使用Spark的功能重要性？

Question

documentation的Random Forests不包含要素重要性。但是，它已在Jira上列为已解决且位于source code。 HERE也说＆＃34;此API与原始MLlib合奏API之间的主要区别在于：

• 支持DataFrames和ML Pipelines
• 分类与回归的分离
• 使用DataFrame元数据来区分连续和分类 特征
• 随机森林的更多功能：功能估算 重要性，以及每个班级的预测概率 （a.k.a.类条件概率）用于分类。＆＃34;

但是，我无法弄清楚可以调用此新功能的语法。

.

Answer 1

您必须使用新的随机森林。检查你的进口。 老人：

import org.apache.spark.mllib.tree.RandomForest
import org.apache.spark.mllib.tree.model.RandomForestModel

新随机森林使用：

import org.apache.spark.ml.classification.RandomForestClassificationModel
import org.apache.spark.ml.classification.RandomForestClassifier

This S.O. answer provides code for extracting the importances.

This S.O. answer explains the sparse vector that is returned.