sparkmllib分类预测之如何实现逻辑回归
这篇文章主要为大家展示了“spark mllib 分类预测之如何实现逻辑回归 ”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“spark mllib 分类预测之如何实现逻辑回归 ”这篇文章吧。
创新互联的客户来自各行各业，为了共同目标，我们在工作上密切配合，从创业型小企业到企事业单位，感谢他们对我们的要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。专业领域包括成都网站建设、成都做网站、电商网站开发、微信营销、系统平台开发。
胃癌转移数据说明
肾细胞癌转移情况(有转移 y=1,无转移 y=2) x1:确诊时患者年龄(岁) x2:肾细胞癌血管内皮生长因子(VEGF),其阳性表述由低到高共３个等级 x3:肾细胞癌组织内微血管数(MVC) x4:肾癌细胞核组织学分级，由低到高共４级 x5:肾细胞癌分期，由低到高共４级 y x1 x2 x3 x4 x50 59 2 43.4 2 1
运行代码如下
package spark.logisticRegression
import org.apache.spark.mllib.classification.LogisticRegressionWithSGD
import org.apache.spark.mllib.evaluation.MulticlassMetrics
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkConf, SparkContext}
/**
* MLLib分类，逻辑回归，是分类，不是回归
* 胃癌转移判断
* Created by eric on 16-7-17.
*/
object LogisticRegression4 {
val conf = new SparkConf() //创建环境变量
.setMaster("local") //设置本地化处理
.setAppName("LogisticRegression4")//设定名称
val sc = new SparkContext(conf)
def main(args: Array[String]) {
val data = MLUtils.loadLibSVMFile(sc, "./src/main/spark/logisticRegression/wa.txt") //读取数据文件,一定注意文本格式
val splits = data.randomSplit(Array(0.7, 0.3), seed = 11L) //对数据集切分
val parsedData = splits(0) //分割训练数据
val parseTtest = splits(1) //分割测试数据
val model = LogisticRegressionWithSGD.train(parsedData,50) //训练模型
val predictionAndLabels = parseTtest.map {//计算测试值
case LabeledPoint(label, features) => //计算测试值
val prediction = model.predict(features)//计算测试值
(prediction, label) //存储测试和预测值
}
val metrics = new MulticlassMetrics(predictionAndLabels)//创建验证类
val precision = metrics.precision //计算验证值
println("Precision = " + precision) //打印验证值
val patient = Vectors.dense(Array(70,3,180.0,4,3)) //计算患者可能性
val prediction = model.predict(patient)
if(prediction == 1) println("患者的胃癌有几率转移。")//做出判断
else println("患者的胃癌没有几率转移。") //做出判断
//Precision = 0.3333333333333333
//患者的胃癌没有几率转移。
}
}wa.txt
0 1:59 2:2 3:43.4 4:2 5:1 0 1:36 2:1 3:57.2 4:1 5:1 0 1:61 2:2 3:190 4:2 5:1 1 1:58 2:3 3:128 4:4 5:3 1 1:55 2:3 3:80 4:3 5:4 0 1:61 2:1 3:94 4:4 5:2 0 1:38 2:1 3:76 4:1 5:1 0 1:42 2:1 3:240 4:3 5:2 0 1:50 2:1 3:74 4:1 5:1 0 1:58 2:2 3:68.6 4:2 5:2 0 1:68 2:3 3:132.8 4:4 5:2 1 1:25 2:2 3:94.6 4:4 5:3 0 1:52 2:1 3:56 4:1 5:1 0 1:31 2:1 3:47.8 4:2 5:1 1 1:36 2:3 3:31.6 4:3 5:1 0 1:42 2:1 3:66.2 4:2 5:1 1 1:14 2:3 3:138.6 4:3 5:3 0 1:32 2:1 3:114 4:2 5:3 0 1:35 2:1 3:40.2 4:2 5:1 1 1:70 2:3 3:177.2 4:4 5:3 1 1:65 2:2 3:51.6 4:4 5:4 0 1:45 2:2 3:124 4:2 5:4 1 1:68 2:3 3:127.2 4:3 5:3 0 1:31 2:2 3:124.8 4:2 5:3
结果如图
以上是“spark mllib 分类预测之如何实现逻辑回归 ”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
网页题目：sparkmllib分类预测之如何实现逻辑回归
本文URL：http://cdiso.cn/article/gcdpsh.html
