PySpark - MLlib

Apache Spark提供名为 MLlib 的机器学习API. PySpark也在Python中使用这个机器学习API.它支持不同类型的算法,这些算法在下面和下面提到;

  • mllib.classification :  ; spark.mllib 包支持各种二进制分类,多类分类和回归分析方法.分类中一些最流行的算法是随机森林,朴素贝叶斯,决策树等.

  • mllib.聚类 : 聚类是一种无监督的学习问题,您可以根据某些相似概念将实体的子集彼此分组.

  • mllib.fpm : 频繁模式匹配是挖掘频繁项目,项目集,子序列或其他子结构,这些通常是分析大规模数据集的第一步.多年来,这一直是数据挖掘领域的一个活跃的研究课题.

  • mllib.linalg : 用于线性代数的MLlib实用程序.

  • mllib.recommendation : 协同过滤通常用于推荐系统.这些技术旨在填写用户项关联矩阵的缺失条目.

  • spark.mllib : 它目前支持基于模型的协同过滤,其中用户和产品由一小组可用于预测缺失条目的潜在因素描述. spark.mllib使用交替最小二乘(ALS)算法来学习这些潜在因素.

  • mllib.regression : 线性回归属于回归算法族.回归的目标是找到变量之间的关系和依赖关系.使用线性回归模型和模型摘要的界面类似于逻辑回归案例.

还有其他算法,类和函数也作为mllib包的一部分.截至目前,让我们了解 pyspark.mllib 的演示.

以下示例是使用ALS算法构建推荐模型并对其进行评估的协同过滤培训数据.

数据集使用 :  test.data

 
 1,1,5.0 
 1,2,1.0 
 1,3,5.0 
 1,4,1.0 
 2,1,5.0 
 2,2,1.0 
 2,3,5.0 
 2,4,1.0 
 3,1, 1.0 
 3,2,5.0 
 3,3,1.0 
 3,4,5.0 
 4,1,1.0 
 4,2,5.0 
 4,3,1.0 
 4,4,5.0


- ------------------------------------- recommend.py ---------- ------------------------------ 
from __future__ import print_function
from pyspark import SparkContext
from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel, Rating
if __name__ == "__main__":
   sc = SparkContext(appName="Pspark mllib Example")
   data = sc.textFile("test.data")
   ratings = data.map(lambda l: l.split(','))\
      .map(lambda l: Rating(int(l[0]), int(l[1]), float(l[2])))
   
   # Build the recommendation model using Alternating Least Squares
   rank = 10
   numIterations = 10
   model = ALS.train(ratings, rank, numIterations)
   
   # Evaluate the model on training data
   testdata = ratings.map(lambda p: (p[0], p[1]))
   predictions = model.predictAll(testdata).map(lambda r: ((r[0], r[1]), r[2]))
   ratesAndPreds = ratings.map(lambda r: ((r[0], r[1]), r[2])).join(predictions)
   MSE = ratesAndPreds.map(lambda r: (r[1][0] - r[1][1])**2).mean()
   print("Mean Squared Error = " + str(MSE))
   
   # Save and load model
   model.save(sc, "target/tmp/myCollaborativeFilter")
   sameModel = MatrixFactorizationModel.load(sc, "target/tmp/myCollaborativeFilter")
--------------------- ----------------- recommend.py ------------------------------ ----------

命令 : 该命令如下:<

 
 $ SPARK_HOME/bin/spark-submit recommended.py

输出 : 上述命令的输出为 :

 
 Mean Squared Error = 1.20536041839e-05