Pyspark 线性回归梯度下降交叉验证知识点详解

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。

到此这篇关于Pyspark 线性回归梯度下降交叉验证知识点详解的文章就介绍到这了,更多相关Pyspark 线性回归梯度下降交叉验证内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！