大数据基础平台——Spark有监督学习

1.实验目的

了解与认识线性回归模型、逻辑回归模型、决策树模型、随机森林模型、神经网络模型以及协同过滤推荐模型。

2.实验内容及结果截屏

（1）Spark有监督学习

载入本章需要用到的程序包：

 调用spark的函数read()载入波士顿房价数据集boston：

调用程序包pyspark.ml.feature中的构造函数VectorAssembler()创建向量封装器；调用向量封装器的函数transform()做向量封装：

 只保留预测变量和目标变量，并将目标变量重命名为label：

调用spark的函数read()载入双螺旋结构数据spirals：

调用程序包pyspark.ml.feature中的构造函数VectorAssembler()创建向量封装器；调用向量封装器的函数transform()做向量封装：

调用程序包pyspark.ml.feature中的构造函数StringIndexer()创建类别编码器；调用类别编码器的函数fit()和transform()做类别编码：

 只保留预测变量和目标变量：

 调用spark的函数read()载入鸢尾花卉数据集iris：