Spark 机器学习拾遗

LabeldPoint

Spark MLlib 将特征向量抽象为 LabeldPoint，它由一个包含多个特征值的 Spark MLlib Vector 和一个称为标号（label）的目标值组成。该目标值为 Double 类型，而 Vector 本质上是对多个 Double 类型值的抽象，这说明 LabeldPoint 只适用于数值型特征。但需经过适当编码，LabeldPoint 也可用于类别型特征。

如 one-hot 编码或 1-of-n 编码。

“多云” ==> 1, 0, 0
“有雨” ==> 0, 1, 0
“晴朗” ==> 0, 0, 1

MLlib 支持的分类器

• （1）决策树，随机森林
• （2）朴素贝耶斯
• （3）支持向量机
• （4）逻辑回归（对，逻辑回归是一种分类器）