Pyspark 线性回归梯度下降交叉验证
javaroad 人气:0我正在尝试在 pyspark 中的 SGD 模型上执行交叉验证,我正在使用pyspark.mllib.regression,ParamGridBuilder和CrossValidator都来自pyspark.ml.tuning库的LinearRegressionWithSGD。
在 Spark 网站上跟踪文件资料之后,我希望运行此方法可以正常工作
资料参考:https://spark.apache.org/docs/2.1.0/ml-tuning.html
lr = LinearRegressionWithSGD() pipeline=Pipeline(stages=[lr]) paramGrid = ParamGridBuilder()\ .addGrid(lr.stepSize, Array(0.1, 0.01))\ .build() crossval = CrossValidator(estimator=pipeline,estimatorParamMaps= paramGrid, evaluator=RegressionEvaluator(), numFolds=10)
但是LinearRegressionWithSGD()没有属性stepSize(也没有运气尝试过其他人)。
我可以将 lr 设置为LinearRegression,但是我无法在模型中使用 SGD 并进行交叉验证。
斯卡拉中有kFold方法,但我不确定如何从 pyspark 访问该方法
解决方案
您可以使用LinearRegressionWithSGD中的step参数来定义步长,但由于您正在混合不兼容的库,因此这将使代码无法正常工作。不幸的是,我不知道如何使用SGD优化对ml库进行交叉验证,我想知道自己,但是您正在混合使用pyspark.ml和pyspark.mllib库。具体来说,您不能将LinearRegressionWithSGD与pyspark.ml库一起使用。您必须使用pyspark.ml.regression.LinearRegression。
好消息是您可以将pyspark.ml.regression.LinearRegression的setsolver属性设置为使用'gd'。因此,您可能可以将'gd'优化器的参数设置为以SGD运行,但是我不确定求解器文档在哪里或如何设置求解器属性(例如批大小)。该api显示了调用Param()的LinearRegression对象,但是我不确定它是否使用pyspark.mllib优化器。如果有人知道如何设置求解器属性,则可以通过允许您将Pipeline,ParamGridBuilder和CrossValidation ml软件包用于LinearRegression进行模型选择,并利用SGD优化进行参数调整来回答您的问题。
加载全部内容