如何在Apache Spark中獲取評估數據？

Question

我實現了一個簡單的朴素貝葉斯方法，該方法與spark教程中的給定示例完全相同。 這是我的實現方式：

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);
}

它運作良好。 但是我還需要一件事。 在這里，我將％20的數據用作測試數據。 在計算之后，我想獲得結果數據，我的意思是每行預測的朴素貝葉斯。 如何在Java中做到這一點？

Answer 1

要將預測數據集保存到文件中，請將數據集轉換為JavaRDD並將JavaRDD寫入文件中，方法是發出predictions.javaRDD().saveAsTextFile(<file path>);

以下是“多類分類”評估器的度量標准：
https://spark.apache.org/docs/2.2.0/api/java/org/apache/spark/ml/evaluation/MulticlassClassificationEvaluator.html#metricName--

由於您將朴素貝葉斯模型與二進制分類一起使用，因此需要使用二進制分類評估器：
https://spark.apache.org/docs/2.0.1/api/java/org/apache/spark/ml/evaluation/BinaryClassificationEvaluator.html