MLlib线性回归实战

最新推荐文章于 2024-01-18 02:12:07 发布

kimiYangfly

最新推荐文章于 2024-01-18 02:12:07 发布

阅读量514

点赞数

分类专栏： matplotlib

本文链接：https://blog.csdn.net/ykm18811712927/article/details/70662530

版权

matplotlib 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

一、数据
5,1 1
7,2 1
9,3 2
11,4 1
19,5 3
18,6 2
二、程序
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.{LabeledPoint, LinearRegressionWithSGD}
import org.apache.spark.{SparkConf, SparkContext}
object kimiYang {  def main(args: Array[String]): Unit = {    
  val conf = new SparkConf().setMaster("local").setAppName("kimiYang");    
  val sc = new SparkContext(conf);    
  val data = sc.textFile("kimi.txt");    
  val parseData = data.map{      line =>        
  val parts = line.split(',') //根据逗号进行分区        
  LabeledPoint(parts(0).toDouble, Vectors.dense(parts(1).split(' ').map(_.toDouble)))    
  }.cache() //转化数据格式    
  val model = LinearRegressionWithSGD.train(parseData, 100, 0.1) //建立模型    
  val result = model.predict(Vectors.dense(2,1)) //通过模型预测模型    
  println("model weights:")    
  println(model.weights)    
  println("result:")    
  println(result) //打印预测结果    
  sc.stop  }}
结果：
model weights:
[2.5403601877116198,1.55918730266957]
result:
6.6399076780928095