PySpark ML:LinearSVC 的 OnevsRest 策略

Posted

技术标签:

【中文标题】PySpark ML:LinearSVC 的 OnevsRest 策略【英文标题】:PySpark ML: OnevsRest strategy for LinearSVC 【发布时间】:2018-05-14 20:46:09 【问题描述】:

我是 PySpark 的新手。我在 Windows 10 上安装了 Spark 2.3.0 。 我想使用线性 SVM 分类器进行交叉验证训练,但用于具有 3 个类的数据集。所以我正在尝试从 Spark ML 应用 One vs Rest 策略。但我的代码似乎有问题,因为我收到一个错误,表明 LinearSVC 用于二进制分类。

这是我在调试时尝试执行“crossval.fit”行时出现的错误:

 pyspark.sql.utils.IllegalArgumentException: u'requirement failed: LinearSVC only supports binary classification. 1 classes detected in LinearSVC_43a48b0b70d59a8cbdb1__labelCol'

这是我的代码: (我正在尝试仅包含 10 个实例的非常小的数据集)

        from pyspark import SparkContext
        sc = SparkContext('local', 'my app')
        from pyspark.ml.linalg import Vectors
        from pyspark import SQLContext
        sqlContext = SQLContext(sc)
        import numpy as np

        x_train=np.array([[1,2,3],[5,6,7],[9,10,11],[2,4,5],[2,7,9],[3,7,6],[8,3,6],[5,8,2],[44,11,55],[77,33,22]])
        y_train=[1,0,2,1,0,2,1,0,2,1]  
        #converting numpy array to dataframe          
        df_list = []
        i = 0           
        for element in x_train:  # row
            tup = (y_train[i], Vectors.dense(element))
            i = i + 1
            df_list.append(tup)

        Train_sparkframe = sqlContext.createDataFrame(df_list, schema=['label', 'features'])

        from pyspark.ml.tuning import CrossValidator, ParamGridBuilder
        from pyspark.ml.evaluation import MulticlassClassificationEvaluator
        from pyspark.ml.classification import OneVsRest
        from pyspark.ml.classification import LinearSVC

        LSVC = LinearSVC()
        ovr = OneVsRest(classifier=LSVC)
        paramGrid = ParamGridBuilder().addGrid(LSVC.maxIter, [10, 100]).addGrid(LSVC.regParam,
                                                                                      [0.001, 0.01, 1.0,10.0]).build()

        crossval = CrossValidator(estimator=ovr,
                                  estimatorParamMaps=paramGrid,
                                  evaluator=MulticlassClassificationEvaluator(metricName="f1"),
                                  numFolds=2) 
        cvModel = crossval.fit(Train_sparkframe)
        bestModel = cvModel.bestModel

【问题讨论】:

这应该不是问题了。 OneVsRest 类现在也应该支持 LinearSVC。请再次检查。 【参考方案1】:

正如documentation 所说:

注意现在只支持 LogisticRegression 和 NaiveBayes。

【讨论】:

【参考方案2】:

我能够在此 IBM 笔记本中的 Python 3.5/Spark 2.3 托管环境中有效地重现您的代码,而不会出现问题:https://eu-gb.dataplatform.cloud.ibm.com/analytics/notebooks/v2/24bb87d9-d28b-433b-b85a-5a86f4d0b56b/view?access_token=3c7bec3ed89bb518357fcce8005874a66a1d65833e997603141632b5cbb484db

由于云环境为您管理 Spark 上下文,我建议您查看您的 Spark 设置并仔细检查您的列命名。

【讨论】:

以上是关于PySpark ML:LinearSVC 的 OnevsRest 策略的主要内容,如果未能解决你的问题,请参考以下文章

通过 pyspark.ml CrossValidator 调整隐式 pyspark.ml ALS 矩阵分解模型的参数

pyspark.ml:计算精度和召回时的类型错误

PySpark ML——分布式机器学习库

如何从 PySpark 中的 spark.ml 中提取模型超参数?

在 pyspark.ml 中运行多个功能的变压器

pyspark - 如何交叉验证几种 ML 算法