如何使用 Spark 内部的 Sklearn 模型进行预测? [英] How to do prediction with Sklearn Model inside Spark?

问题描述

我已经使用 sklearn 在 python 中训练了一个模型.我们如何使用相同的模型加载到 Spark 中并在 Spark RDD 上生成预测?

I have trained a model in python using sklearn. How we can use same model to load in Spark and generate predictions on a spark RDD ?

推荐答案

嗯，

我将展示 Sklearn 中的线性回归示例，并向您展示如何使用它来预测 Spark RDD 中的元素.

I will show an example of linear regression in Sklearn and show you how to use that to predict elements in Spark RDD.

首先使用 sklearn 示例训练模型:

First training the model with sklearn example:

# Create linear regression object
regr = linear_model.LinearRegression()

# Train the model using the training sets
regr.fit(diabetes_X_train, diabetes_y_train)

这里我们只有拟合，您需要从 RDD 中预测每个数据.

Here we just have the fit, and you need to predict each data from an RDD.

在这种情况下，您的 RDD 应该是一个带有 X 的 RDD，如下所示:

Your RDD in this case should be a RDD with X like this:

rdd = sc.parallelize([1, 2, 3, 4])

所以你首先需要广播你的sklearn模型:

So you first need to broadcast your model of sklearn:

regr_bc = self.sc.broadcast(regr)

然后您可以使用它来预测您的数据，如下所示:

Then you can use it to predict your data like this:

rdd.map(lambda x: (x, regr_bc.value.predict(x))).collect()

所以你在 RDD 中的元素是你的 X，第二个元素是你预测的 Y.collect 会返回这样的东西:

So your element in the RDD is your X and the seccond element is going to be your predicted Y. The collect will return somthing like this:

[(1, 2), (2, 4), (3, 6), ...]

这篇关于如何使用 Spark 内部的 Sklearn 模型进行预测?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！