我正在从here为scala运行Spark的逻辑回归示例。
在培训部分：
val model = new LogisticRegressionWithLBFGS().setNumClasses(10).run(training)
类的数量设置为10.如果我的数据由3个标签组成，分别为5,12和20;它引发了一个例外，如
ERROR DataValidators: Classification labels should be in {0 to 9}. Found 6 invalid labels.
我知道我可以通过将classnum设置为大于最大类值来解决它。
是否可以在此类数据集上运行具有真实数量类的算法，而无需对标签值进行显式转换？
如果我使用高classnum运行它以使其工作，算法是否会预测不存在的类，例如17以上？
答案 0 :(得分：1)
我认为您可以做的最好的事情是map您的培训数据并修改每个条目，并使用Map兑换labels 0.0, 1.0, 2.0, ..., n - 1，其中n = number of classes import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.classification.LogisticRegressionWithLBFGS
import org.apache.spark.mllib.linalg.Vectors
val rdd = sc.parallelize(List(
LabeledPoint(5.0, Vectors.dense(1,2)),
LabeledPoint(12.0, Vectors.dense(1,3)),
LabeledPoint(20.0, Vectors.dense(-1,4))))
val map = Map(5 -> 0.0, 12.0 -> 1.0, 20.0 -> 2.0)
val trainingData = rdd.map{
case LabeledPoint(category, features) => LabeledPoint(map(category), features)
}
val model = new LogisticRegressionWithLBFGS().setNumClasses(3).run(trainingData)
{{1}}