Я реализую DecisionTreeClassifier в pyspark, используя модуль Pipeline, так как у меня есть несколько шагов по разработке технических средств для выполнения на моем наборе данных. код похож на пример из искровой документации:pyspark Модель интерпретации из модели трубопровода
from pyspark import SparkContext, SQLContext
from pyspark.ml import Pipeline
from pyspark.ml.classification import DecisionTreeClassifier
from pyspark.ml.feature import StringIndexer, VectorIndexer
from pyspark.ml.evaluation import MulticlassClassificationEvaluator
# Load the data stored in LIBSVM format as a DataFrame.
data = sqlContext.read.format("libsvm").load("data/mllib/sample_libsvm_data.txt")
# Index labels, adding metadata to the label column.
# Fit on whole dataset to include all labels in index.
labelIndexer = StringIndexer(inputCol="label", outputCol="indexedLabel").fit(data)
# Automatically identify categorical features, and index them.
# We specify maxCategories so features with > 4 distinct values are treated as continuous.
featureIndexer =\
VectorIndexer(inputCol="features", outputCol="indexedFeatures", maxCategories=4).fit(data)
# Split the data into training and test sets (30% held out for testing)
(trainingData, testData) = data.randomSplit([0.7, 0.3])
# Train a DecisionTree model.
dt = DecisionTreeClassifier(labelCol="indexedLabel", featuresCol="indexedFeatures")
# Chain indexers and tree in a Pipeline
pipeline = Pipeline(stages=[labelIndexer, featureIndexer, dt])
# Train model. This also runs the indexers.
model = pipeline.fit(trainingData)
# Make predictions.
predictions = model.transform(testData)
# Select example rows to display.
predictions.select("prediction", "indexedLabel", "features").show(5)
# Select (prediction, true label) and compute test error
evaluator = MulticlassClassificationEvaluator(
labelCol="indexedLabel", predictionCol="prediction", metricName="precision")
accuracy = evaluator.evaluate(predictions)
print("Test Error = %g " % (1.0 - accuracy))
treeModel = model.stages[2]
# summary only
print(treeModel)
Вопрос в том, как я выполняю интерпретацию модели на этом? Объектная модель трубопровода не имеет метод toDebugString() аналогичен методу в классе DecisionTree.trainClassifier И я не могу использовать DecisionTree.trainClassifier в моем трубопроводе, потому что trainclassifier() принимает обучающие данные, параметр.
В то время как трубопровод принимает обучающие данные в качестве аргумента в запрессовки() метод и преобразование() на тестовых данных
Есть ли способ использовать трубопровод и по-прежнему выполнять интерпретацию модели & найти значение атрибута?
Обратите внимание, что аналогичным, но более запутанным способом можно извлечь модель оценки из лучшей модели CrossValidatorModel. – ffmmmm