[英]Pyspark Linear Regression Gradient Descent CrossValidation
我正在尝试在pyspark中的SGD模型上执行交叉验证,正在使用LinearRegressionWithSGD
的pyspark.mllib.regression
, pyspark.ml.tuning
库中的ParamGridBuilder
和CrossValidator
。
在遵循了Spark网站上的文档之后,我希望运行此方法可以正常工作
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()
不具有stepSize
属性(也没有运气尝试过其他属性)。
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。
Scala中有kFold
方法,但我不确定如何从pyspark访问该方法
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,从而利用SGD优化进行参数调整,从而回答您的问题。
谢恩,谢恩
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.