将 kmeans 模型注册为 UDF
Posted
技术标签:
【中文标题】将 kmeans 模型注册为 UDF【英文标题】:Registering kmeans model as UDF 【发布时间】:2015-06-29 09:23:04 【问题描述】:您好,我正在尝试使用 Spark kmeans 模型来预测集群数。但是当我注册它并在 SQL 中使用它时,它给了我一个
java.lang.reflect.InvocationTargetException
def findCluster(s:String):Int=
model.predict(feautarize(s))
我正在使用下面的
%sql select findCluster((text)) from tweets
直接用也一样
findCluster("hello am vishnu")
输出 1
【问题讨论】:
【参考方案1】:您提供的代码无法重现该问题。假设model
是org.apache.spark.mllib.clustering.KMeansModel
这里是一步一步的解决方案
首先让我们导入所需的库并设置 RNG 种子:
import scala.util.Random
import org.apache.spark.mllib.clustering.KMeans, KMeansModel
import org.apache.spark.mllib.linalg.Vectors
Random.setSeed(0L)
生成随机训练集:
// Generate random training set
val trainData = sc.parallelize((1 to 1000).map _ =>
val off = if(Random.nextFloat > 0.5) 0.5 else -0.5
Vectors.dense(Random.nextFloat + off, Random.nextFloat + off)
)
运行 KMeans
// Train KMeans with 2 clusters
val numClusters = 2
val numIterations = 20
val clusters = KMeans.train(trainData, numClusters, numIterations)
创建 UDF
// Create broadcast variable with model and prediction function
val model = sc.broadcast(clusters)
def findCluster(v: org.apache.spark.mllib.linalg.Vector):Int=
model.value.predict(v)
// Register UDF
sqlContext.udf.register("findCluster", findCluster _)
准备测试集
// Create test set
case class Coord(v: org.apache.spark.mllib.linalg.Vector)
val testData = sqlContext.createDataFrame(sc.parallelize((1 to 100).map _ =>
val off = if(Random.nextFloat > 0.5) 0.5 else -0.5
Coord(Vectors.dense(Random.nextFloat + off, Random.nextFloat + off))
))
// Register test set df
testData.registerTempTable("testData")
// Check if it works
sqlContext.sql("SELECT findCluster(v) FROM testData").take(1)
结果:
res3: Array[org.apache.spark.sql.Row] = Array([1])
【讨论】:
嘿,谢谢,它现在可以工作了。错误在于我使用 Zeppelin 的方式。 很高兴听到这个消息。如果您提供一些解释作为单独的答案,以防将来有人遇到类似问题,这可能会很有用。以上是关于将 kmeans 模型注册为 UDF的主要内容,如果未能解决你的问题,请参考以下文章
如何将Python算法模型注册成Spark UDF函数实现全景模型部署
如何将Python算法模型注册成Spark UDF函数实现全景模型部署
如何将Python算法模型注册成Spark UDF函数实现全景模型部署