我是机器学习的新手。刚刚开始POC的新项目。
我的模型数据集为以下格式的csv文件。
我的目标是在分别输入/输出尖峰时扣除任何src /目标的异常。
timestamp src destination in out type
00 p1 p2 2 3 abc
00 p2 p3 1 4 abc
00 p3 pn 3 5 abc
05 p1 pn 4 3 abc
05 p2 p1 2 2 abc
10 p1 p3 91 6 abc <- src anomaly deduction
10 px py 30 92 abc <- dest anomay deduction
这里src映射到。目的地映射到out value。
我想使用pyspark为Spark中的每个src / destinaton准备一个Kmean模型。我不知道该怎么办？如何准备模型。你能给我一些指针吗？
感谢。