保序回归 小结

算法小结： 给定一组观察者序列y1,y2,y3…,假设预测值是x1,x2,x3,保序回归是要最小化以下的函数：
sum(wi(yi-xi)^2),其中x1,x2,x3是有序的序列，wi是正数值一般默认为1.0，保序回归可以看做是有顺序约束下的最小二乘问题，预测的函数一般是一个分段线性函数,训练返回的模型可以用来预测已知或者未知特征值的标签。

spark的实现:MLlib使用的是PAVA（Pool Adjacent Violators Algorithm）算法，并且是分布式的PAVA算法。首先在每个分区的样本集序列运行PAVA算法，保证局部有序，然后再对整个样本集运行PAVA算法，保证全局有序。

应用的场景：
1.不用的药物用量和病人应激性反应的程度，正常来说，随着药物用量的增加，病人的应激性反应越大
2.图片赛马数量和图片平均点击率的关系，一般来说，图片的赛马数量越多，图片的平均点击越大

评判的依据:依然可以使用mse或者rmse作为评判的依据
以下为官方代码实例 +最终评判的mse值：

from pyspark import SparkConf
from pyspark.sql import SparkSession
import traceback
from pyspark.sql.types import *
from pyspark.sql.functions import *
from pyspark.ml.regression import IsotonicRegression


appname = "test"  # 任务名称
master = "local"  # 单机模式设置
'''
local: 所有计算都运行在一个线程当中，没有任何并行计算，通常我们在本机执行一些测试代码，或者练手，就用这种模式。
local[K]: 指定使用几个线程来运行计算，比如local[4]就是运行4个worker线程。通常我们的cpu有几个core，就指定几个线程，最大化利用cpu的计算能力
local[*]: 这种模式直接帮你按照cpu最多cores来设置线程数了。
'''
# spark_driver_host = "10.0.0.248"

try:
    # conf = SparkConf().setAppName(appname).setMaster(master).set("spark.driver.host", spark_driver_host) # 集群
    conf = SparkConf().setAppName(appname).setMaster(master)  # 本地
    spark = SparkSession.builder.config(conf=conf).getOrCreate()

    from pyspark.sql import SparkSession
    from pyspark.sql import functions as F
    from pyspark.sql.functions import udf
    from pyspark.sql.types import *

    spark = SparkSession.builder.appName('isotonicregression').master('local').getOrCreate()

    # $example on$
    # Loads data.
    datapath = '''D://spark/spark/spark-2.3.0-bin-hadoop2.7/''';
    dataset = spark.read.format("libsvm")\
        .load(datapath + "data/mllib/sample_isotonic_regression_libsvm_data.txt")

    # print(dataset.printSchema)
    # dataset.show(10,False)

    (trainSet,testSet) = dataset.randomSplit([0.2,0.8])
    # trainSet.show()
    # Trains an isotonic regression model.
    model = IsotonicRegression().fit(trainSet)
    print("Boundaries in increasing order: %s\n" % str(model.boundaries))
    print("Predictions associated with the boundaries: %s\n" % str(model.predictions))
    # Makes predictions.
    prediction = model.transform(testSet)
    # $example off$
    # 计算MSE
    df = prediction.select("*", pow(col('prediction') - col('label'), 2).alias('pow2val'))
    dfmean = df.groupBy().mean('pow2val')
    dfMSE = dfmean.withColumnRenamed("avg(pow2val)", "mse")
    dfMSE.show()
    #计算RMSE
    dfMSE.select(sqrt(col('mse')).alias('rmse')).show()

    spark.stop()
    print('计算成功！')
except:
    traceback.print_exc()  # 返回出错信息
    print('连接出错！')

该算法一般可以作为其他算法的补充,附一张线性回归和保序回归的例子:

参考文献:
1.https://www.cnblogs.com/mstk/p/7019449.html
2.https://blog.csdn.net/liulingyuan6/article/details/53471302
3.https://zhuanlan.zhihu.com/p/88623159