Apache Spark提供了一个名为MLlib的机器学习API。 PySpark也在Python中使用这个机器学习API。它支持不同类型的算法,如下所述 -
mllib.classification - spark.mllib包支持二分类,多分类和回归分析的各种方法。包含分类中一些最流行的算法如随机森林,朴素贝叶斯,决策树等。
mllib.clustering - 聚类是一种无监督的学习问题,以根据某些相似概念将实体的子集彼此分组。
mllib.fpm - 频繁模式匹配是挖掘频繁项,项集,子序列或其他子结构,这些通常是分析大规模数据集的第一步。多年来,这一直是数据挖掘领域的一个活跃的研究课题。
mllib.linalg - 线性代数的MLlib实用程序。
mllib.recommendation - 协同过滤通常用于推荐系统。这些技术旨在填写用户项关联矩阵的缺失条目。
spark.mllib - 它目前支持基于模型的协同过滤,其中用户和产品由一小组可用于预测缺失条目的潜在因素描述。 spark.mllib使用交替最小二乘(ALS)算法来学习这些潜在因素。
mllib.regression - 线性回归属于回归算法族。回归的目标是找到变量之间的关系和依赖关系。使用线性回归模型和模型摘要的界面类似于逻辑回归案例。
还有其他算法,类和函数也作为mllib包的一部分。截至目前,让我们了解一下pyspark.mllib的演示。
以下示例是使用ALS算法进行协同过滤以构建推荐模型并在训练数据上进行评估。
Dataset used − test.d