如何在Apache Spark中获取评估数据？

Question

我实现了一个简单的朴素贝叶斯方法，该方法与spark教程中的给定示例完全相同。 这是我的实现方式：

public void applyNaiveBayes(String fileWithBinaryLabelsPath){
    Dataset<Row> dataFrame =
            sparkBase.getSpark().read().format("libsvm").load(fileWithBinaryLabelsPath);
    Dataset<Row>[] splits = dataFrame.randomSplit(new double[]{0.8, 0.2}, 1234L);
    Dataset<Row> train = splits[0];
    Dataset<Row> test = splits[1];

    NaiveBayes nb = new NaiveBayes();

    NaiveBayesModel model = nb.fit(train);

    Dataset<Row> predictions = model.transform(test);
    predictions.show();

    MulticlassClassificationEvaluator evaluator = new MulticlassClassificationEvaluator()
            .setLabelCol("label")
            .setPredictionCol("prediction")
            .setMetricName("accuracy");

    double accuracy = evaluator.evaluate(predictions);
    System.out.println("Test set accuracy = " + accuracy);
}

它运作良好。 但是我还需要一件事。 在这里，我将％20的数据用作测试数据。 在计算之后，我想获得结果数据，我的意思是每行预测的朴素贝叶斯。 如何在Java中做到这一点？

Answer 1

要将预测数据集保存到文件中，请将数据集转换为JavaRDD并将JavaRDD写入文件中，方法是发出predictions.javaRDD().saveAsTextFile(<file path>);

以下是“多类分类”评估器的度量标准：
https://spark.apache.org/docs/2.2.0/api/java/org/apache/spark/ml/evaluation/MulticlassClassificationEvaluator.html#metricName--

由于您将朴素贝叶斯模型与二进制分类一起使用，因此需要使用二进制分类评估器：
https://spark.apache.org/docs/2.0.1/api/java/org/apache/spark/ml/evaluation/BinaryClassificationEvaluator.html