Machine Learning Library (MLlib) Guide
MLlib is Spark’s machine learning (ML) library. Its goal is to make practical machine learning scalable and easy. At a high level, it provides tools such as:
ML Algorithms: common learning algorithms such as classification, regression, clustering, and collaborative filtering
Featurization: feature extraction, transformation, dimensionality reduction, and selection
Pipelines: tools for constructing, evaluating, and tuning ML Pipelines
Persistence: saving and load algorithms, models, and Pipelines
Utilities: linear algebra, statistics, data handling, etc.
MLLib提供一些常用的分类,回归,聚类和协同过滤算法机器学习算法。
在特征方面,也有特征提取,转化,降维,和特征选择。
应用领域:线性代数,统计学,数据处理方面等。
pipeline不知道是什么,看了一下,
原文http://www.cnblogs.com/zwCHAN/p/4633753.html
spark mllib的pipeline,是指将多个机器学习的算法串联到一个工作链中,依次执行各种算法。
在Pipeline中的每个算法被称为“PipelineStage”,表示其中的一个算法。PipelineStage分为两种类型,Estimator和Transformer,其中:
Transformer将数据转换为两一种形式(例如修改格式),以供后续的Estimator使用,统一的转换函数transform;
Estimator是由数据得到一个Mode(Mode也是继承于Transformer),有统一触发的函数fit。
然后一个“综合”的算法就可以通过pipeline封装起来。这样做的好处是可以很方便的替换算法。例如,我们在应用中往往只是笼统的期望一个“分类”、”拟合“这样的功能,但不知道是用分类或拟合的那个算法效果是最好的,有了这种pipeline机制后,很方便替换各种分类和拟合算法,从而得到最好的效果。