当前位置：极客教程 > 大数据 > PySpark教程 > PySpark MLlib

PySpark MLlib

PySpark MLlib

Apache Spark提供了一个名为 MLlib 的机器学习API 。 PySpark在Python中也有这种机器学习API。它支持不同种类的算法，下面提到了这些算法

  • mllib.classification – spark.mllib 包支持二元分类、多类分类和回归分析的各种方法。一些最流行的分类算法是 随机森林、Naive Bayes、决策树 等。

  • mllib.clustering – 聚类是一个无监督的学习问题，根据这个问题，你的目的是根据一些相似性的概念将实体的子集相互分组。

  • mllib.fpm – 频繁模式匹配是对频繁项目、项目集、子序列或其他子结构的挖掘，通常是分析大规模数据集的第一个步骤。多年来，这一直是数据挖掘领域一个活跃的研究课题。

  • mllib.linalg – 线性代数的MLlib实用工具。

  • mllib.recommendation – 协同过滤通常用于推荐系统。这些技术旨在填补用户项目关联矩阵的缺失项。

  • spark.mllib – 它目前支持基于模型的协同过滤，其中用户和产品由一小部分潜在因素描述，可以用来预测缺失的条目。 spark.mllib使用交替最小二乘法（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赖性。处理线性回归模型和模型摘要的界面与逻辑回归的情况类似。

还有其他算法、类和函数也是mllib包的一部分。从现在开始，让我们了解一下 pyspark.mllib 的演示 。

下面的例子是使用ALS算法建立推荐模型的协同过滤，并在训练数据上对其进行评估。

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
Python
--------------------------------------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----------------------------------------
Python

Command−命令如下 −

$SPARK_HOME/bin/spark-submit recommend.py
Python

输出 - 上述命令的输出将是 —

Mean Squared Error = 1.20536041839e-05
Python

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

PySpark教程

登录

找回密码？

注册