13518219792
这期内容当中小编将会给大家带来有关如何解析Apache Spark中的决策树，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
为昆明等地区用户提供了全套网页设计制作服务，及昆明网站建设行业解决方案。主营业务为成都网站设计、网站建设、昆明网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
Apache Spark中的决策树
决策树是在顺序决策问题进行分类，预测和促进决策的有效方法。决策树由两部分组成：
决策(Desion)
结果(Outcome)
决策树包含三种类型的节点：
根节点(Root node)：包含所有数据的树的顶层节点。
分割节点(Splitting node)：将数据分配给子组(subgroup)的节点。
终端节点(Terminal node)：最终决定(即结果)。
(分割节点(Splitting node)，仅就离散数学中的树的概念而言，就是指分支节点，下面的翻译为了强调"分支"有时会翻译成分支结点，译者注)
为了抵达终端结点或者说获得结果，该过程从根节点开始。根据在根节点上做出的决定，选择分支节点。基于在分支节点上做出的决定，选择下一个子分支节点。这个过程继续下去，直到我们到达终端节点，终端节点的值是我们的结果。
Apache Spark中的决策树
Apache Spark中没有决策树的实现可能听起来很奇怪。然而从技术上来说是有的。在Apache Spark中，您可以找到一个随机森林算法的实现，该算法实现可以由用户指定树的数量。因此，Apache Spark使用一棵树来调用随机森林。
在Apache Spark中，决策树是在特征空间上执行递归二进制分割的贪婪算法。树给每个***部(即叶子结点)分区预测了相同的标签。为了***化树的节点处的信息增益，通过在一组可能的分支中选择其中的***分割来贪婪地选择每个分支结点。
节点不纯度(impurity)是节点上标签一致性的度量。目前的实施提供了两种不纯的分类方法(Gini杂质和熵(Gini impurity and entropy))。
停止规则
在满足以下列条件之一的情况下，在节点处停止递归树构建(即只要满足一个就停止，译者注)：
节点深度等于训练用的 maxDepth 参数。
没有候选的分割结点导致信息收益大于 minInfoGain 。
没有候选的分割结点去产生(至少拥有训练minInstancesPerNode实例)的子节点 。
有用的参数
algo：它可以是分类或回归。
numClasses：分类类的数量。
maxDepth：根据节点定义树的深度。
minInstancesPerNode：对于要进一步拆分的节点，其每个子节点必须至少接收到这样的训练实例数(即实例数必须等于这个参数)。
minInfoGain：对于一个节点进一步拆分，必须满足拆分后至少提高这么多信息量。
maxBins：离散连续特征时使用的bin数。
准备决策树的训练数据
您不能直接向决策树提供任何数据。它需要一种特殊的格式来提供。您可以使用 HashingTF 技术将训练数据转换为标记数据，以便决策树可以理解。这个过程也被称为数据的标准化。
(数据)供给和获得结果
一旦数据被标准化，您就可以提供相同的决策树算法进来行分类。但在此之前，您需要分割数据以用于训练和测试目的; 为了测试的准确性，你需要保留一部分数据进行测试。你可以像这样提供数据：
al splits = data.randomSplit(Array(0.7, 0.3)) val (trainingData, testData) = (splits(0), splits(1)) // Train a DecisionTree model. // Empty categoricalFeaturesInfo indicates all features are continuous. val numClasses = 2 val categoricalFeaturesInfo = Map[Int, Int]() val impurity = "gini" val maxDepth = 5 val maxBins = 32 val model = DecisionTree.trainClassifier(trainingData, numClasses, categoricalFeaturesInfo, impurity, maxDepth, maxBins)
在这里，数据是我的标准化输入数据，为了训练和测试目的，我将其分成7：3的比例。我们正在使用***深度的为5的"gini" 杂质("gini" impurity)。
一旦模型生成，您也可以尝试预测其他数据的分类。但在此之前，我们需要验证最近生成的模型的分类准确性。您可以通过计算"test error"来验证其准确性。
/ Evaluate model on test instances and compute test error val labelAndPreds = testData.map { point => val prediction = model.predict(point.features) (point.label, prediction) } val testErr = labelAndPreds.filter(r => r._1 != r._2).count().toDouble / testData.count() println("Test Error = " + testErr)上述就是小编为大家分享的如何解析Apache Spark中的决策树了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。
