spark mllib 数据降维 主成分分析(PCA)

为什么80%的码农都做不了架构师？>>>   

运行代码如下

package spark.DataDimensionReduction

import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.linalg.distributed.RowMatrix
import org.apache.spark.{SparkConf, SparkContext}

/**
  * 数据降维
  * 主成分分析PCA
  * 设法将原来具有一定相关行（比如 P个指标）的指标
  * 重新组合成一组新的互相无关的综合指标来代替原来的指标，从而实现数据降维的目的
  * Created by eric on 16-7-24.
  */
object PCA {
  val conf = new SparkConf()                                     //创建环境变量
    .setMaster("local")                                             //设置本地化处理
    .setAppName("PCA")                              //设定名称
  val sc = new SparkContext(conf)

  def main(args: Array[String]) {
    val data = sc.textFile("./src/main/spark/DataDimensionReduction/a.txt")
      .map(_.split(" ").map(_.toDouble))
      .map(line => Vectors.dense(line))

    val rm = new RowMatrix(data)
    val pc = rm.computePrincipalComponents(3)//提取主成分，设置主成分个数为３
    val mx = rm.multiply(pc)//创建主成分矩阵

    mx.rows.foreach(println)
  }
}

a.txt

1 2 3 4
5 6 7 8
9 0 8 7
6 4 2 1

结果如下

 

转载于:https://my.oschina.net/sunmin/blog/723854