在 PySpark mllib 中使用随机森林的非法参数异常

Posted 2023-03-12

【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

【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