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

PySpark 和 MLLib:随机森林预测的类概率

如何使用 pySpark 决定将 numClasses 参数传递给 SPark MLlib 中的随机森林算法

PySpark MLLIB 随机森林:预测总是 0

Spark MLlib 随机森林训练中可以使用样本权重吗?

Spark MLlib速成宝典模型篇06随机森林Random Forests(Python版)

使用 Pyspark 训练随机森林回归模型