На практике вы можете выполнять классификацию многоклассов, используя произвольный бинарный классификатор и стратегию с одним взлетом. mllib
не предоставляет один (есть один в ml
), но вы можете легко создать свой собственный. Предполагая, что данные выглядят как этот
import numpy as np
np.random.seed(323)
classes = [0, 1, 2, 3, 4, 5]
def make_point(classes):
label = np.random.choice(classes)
features = np.random.random(len(classes))
features[label] += 10
return LabeledPoint(label, features)
data = sc.parallelize([make_point(classes) for _ in range(1000)])
xs = data.take(5)
мы можем обучать отдельную модель для каждого класса:
def model_for_class(c, rdd):
def adjust_label(lp):
return LabeledPoint(1 if lp.label == c else 0, lp.features)
model = SVMWithSGD.train(rdd.map(adjust_label))
model.clearThreshold()
return model
models = [model_for_class(c, data) for c in classes]
и использовать его для предсказания:
[(x.label, np.argmax([model.predict(x.features) for model in models]))
for x in xs]
## [(0.0, 0), (1.0, 1), (0.0, 0), (5.0, 5), (2.0, 2)]
На стороне записки вы не можете ожидать дальше в pyspark.mllib
, потому что он устарел в пользу ml
.