📅 最后修改于: 2020-11-06 05:17:54 🧑 作者: Mango
Apache Spark提供了一个称为MLlib的机器学习API。 PySpark也具有Python的这种机器学习API。它支持不同种类的算法，如下所述-
mllib.classification – spark.mllib软件包支持用于二进制分类，多类分类和回归分析的各种方法。分类中最流行的算法是随机森林，朴素贝叶斯，决策树等。
mllib.clustering-聚类是一个无监督的学习问题，您可以根据相似性的概念将实体的子集进行分组。
mllib.fpm-频繁模式匹配是挖掘频繁项，项集，子序列或其他子结构，这些通常是分析大规模数据集的第一步。多年来，这一直是数据挖掘中活跃的研究主题。
mllib.linalg-用于线性代数的MLlib实用程序。
mllib.recommendation-协作过滤通常用于推荐系统。这些技术旨在填充用户项目关联矩阵的缺失条目。
spark.mllib-当前支持基于模型的协作过滤，其中用户和产品由一小部分潜在因素来描述，这些潜在因素可用于预测缺失条目。 spark.mllib使用交替最小二乘(ALS)算法来学习这些潜在因素。
mllib.regression-线性回归属于回归算法系列。回归的目标是找到变量之间的关系和依存关系。用于线性回归模型和模型摘要的界面类似于逻辑回归情况。
mllib软件包中还包含其他算法，类和函数。到目前为止，让我们了解pyspark.mllib上的演示。
以下示例是使用ALS算法进行协作过滤以建立推荐模型并根据训练数据对其进行评估的示例。
使用的数据集-test.data
1,1,5.0
1,2,1.0
1,3,5.0
1,4,1.0
2,1,5.0
2,2,1.0
2,3,5.0
2,4,1.0
3,1,1.0
3,2,5.0
3,3,1.0
3,4,5.0
4,1,1.0
4,2,5.0
4,3,1.0
4,4,5.0
--------------------------------------recommend.py----------------------------------------
from __future__ import print_function
from pyspark import SparkContext
from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel, Rating
if __name__ == "__main__":
sc = SparkContext(appName="Pspark mllib Example")
data = sc.textFile("test.data")
ratings = data.map(lambda l: l.split(','))\
.map(lambda l: Rating(int(l[0]), int(l[1]), float(l[2])))
# Build the recommendation model using Alternating Least Squares
rank = 10
numIterations = 10
model = ALS.train(ratings, rank, numIterations)
# Evaluate the model on training data
testdata = ratings.map(lambda p: (p[0], p[1]))
predictions = model.predictAll(testdata).map(lambda r: ((r[0], r[1]), r[2]))
ratesAndPreds = ratings.map(lambda r: ((r[0], r[1]), r[2])).join(predictions)
MSE = ratesAndPreds.map(lambda r: (r[1][0] - r[1][1])**2).mean()
print("Mean Squared Error = " + str(MSE))
# Save and load model
model.save(sc, "target/tmp/myCollaborativeFilter")
sameModel = MatrixFactorizationModel.load(sc, "target/tmp/myCollaborativeFilter")
--------------------------------------recommend.py----------------------------------------
命令-命令如下-
$SPARK_HOME/bin/spark-submit recommend.py
输出-上面命令的输出将是-
Mean Squared Error = 1.20536041839e-05