在 PySpark mllib 中使用随机森林的非法参数异常
Posted
技术标签:
【中文标题】在 PySpark mllib 中使用随机森林的非法参数异常【英文标题】:Illegal Argument Exception using Random Forest in PySpark mllib 【发布时间】:2020-10-18 23:31:07 【问题描述】:我正在使用 PySpark 在 Spark MLlib 中使用随机森林算法进行分类。我的代码如下:\
model = RandomForest.trainClassifier(trnData, numClasses=3, categoricalFeaturesInfo=, numTrees=3, featureSubsetStrategy="auto", impurity='gini', maxDepth=4, maxBins=32)
predictions = model.predict(tst_dataRDD.map(lambda x: x.features))
labelsAndPredictions = tst_dataRDD.map(lambda lp: lp.label).zip(predictions)
testErr = labelsAndPredictions.filter(lambda x: x[0] != x[1]).count() / float(tst_dataRDD.count())
我得到 IllegalArgumentException: GiniAggregator given label -0.0625 but requires label to be non-negative. 我怎么解决这个问题?谢谢
【问题讨论】:
完整的堆栈跟踪好吗? 【参考方案1】:请改用RandomForestClassifier
并查看文档:
https://spark.apache.org/docs/latest/ml-classification-regression.html#random-forest-classifier
【讨论】:
【参考方案2】:似乎Gini
在多类分类过程中的杂质,标签必须为正(> = 0)。请检查是否存在任何负面标签。
参考-spark repo
另外,请注意,请使用 ml
包中的算法,而不是旧版 mllib
中的算法
【讨论】:
以上是关于在 PySpark mllib 中使用随机森林的非法参数异常的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 pySpark 决定将 numClasses 参数传递给 SPark MLlib 中的随机森林算法