Spark 中的 DecisionTree.trainClassifier 参数是什么
What are DecisionTree.trainClassifier parameters in Spark
我正在研究 Spark MLlib。
在研究 DecisionTree 时，我看到以下 DecisionTree.trainClassifier 用法示例。
import org.apache.spark.mllib.tree._
val model = DecisionTree.trainClassifier(trainData, 7, Map[int, int](), "gini", 4, 100)
这里有6个参数，第3(Map)、第5(4)、第6(100)个参数我没看懂
Google 表示它们是分类特征，lambda 和 alpha。
谁能更好地解释一下？
需要您的帮助
函数的签名是：
def trainClassifier(input: RDD[LabeledPoint], numClasses: Int, categoricalFeaturesInfo: Map[Int, Int], impurity: String, maxDepth: Int, maxBins: Int): DecisionTreeModel
在spark DecisionTree source code 中可以看到参数的说明：
分类特征信息
存储分类特征数量的地图。条目 (n -> k) 表示特征 n 是分类的，具有从 0 开始索引的 k 个类别：{0, 1, ..., k-1}。
最大深度
树的最大深度（例如深度0表示1个叶节点，深度1表示1个内部节点+2个叶节点）。 （建议值：5）
maxBins
用于分割特征的最大 bin 数（建议值：32）
第三：
categoricalFeaturesInfo:Any 不在此地图中的要素被视为连续要素。
例如，Map(0 -> 2, 4 -> 10) 指定特征 0 是二进制的（取值 0 或 1）并且特征 4 有 10 个类别（值 {0, 1, ... , 9}).请注意，特征索引是从 0 开始的：特征 0 和 4 是实例特征向量的第 1 个和第 5 个元素。
Map[Int,Int]表示所有特征都是数值类型
第五：
很容易理解，就是树的（最大）深度。
第六:
maxBins：离散化连续特征时使用的箱数。
增加 maxBins 允许算法考虑更多拆分候选并做出细粒度的拆分决策。但是，它也增加了计算和通信。
请注意，maxBins 参数必须至少为最大类别数。
您可以参考本书 "Adcaned Analytics with Spark"（第 4.8-4.10 章）了解更多详情。
我正在研究 Spark MLlib。 在研究 DecisionTree 时，我看到以下 DecisionTree.trainClassifier 用法示例。
import org.apache.spark.mllib.tree._
val model = DecisionTree.trainClassifier(trainData, 7, Map[int, int](), "gini", 4, 100)
这里有6个参数，第3(Map)、第5(4)、第6(100)个参数我没看懂
Google 表示它们是分类特征，lambda 和 alpha。 谁能更好地解释一下？
需要您的帮助
函数的签名是：
def trainClassifier(input: RDD[LabeledPoint], numClasses: Int, categoricalFeaturesInfo: Map[Int, Int], impurity: String, maxDepth: Int, maxBins: Int): DecisionTreeModel
在spark DecisionTree source code 中可以看到参数的说明：
分类特征信息
存储分类特征数量的地图。条目 (n -> k) 表示特征 n 是分类的，具有从 0 开始索引的 k 个类别：{0, 1, ..., k-1}。
最大深度
树的最大深度（例如深度0表示1个叶节点，深度1表示1个内部节点+2个叶节点）。 （建议值：5）
maxBins
用于分割特征的最大 bin 数（建议值：32）
第三：
categoricalFeaturesInfo:Any 不在此地图中的要素被视为连续要素。
例如，Map(0 -> 2, 4 -> 10) 指定特征 0 是二进制的（取值 0 或 1）并且特征 4 有 10 个类别（值 {0, 1, ... , 9}).请注意，特征索引是从 0 开始的：特征 0 和 4 是实例特征向量的第 1 个和第 5 个元素。
Map[Int,Int]表示所有特征都是数值类型
第五：
很容易理解，就是树的（最大）深度。
第六:
maxBins：离散化连续特征时使用的箱数。
增加 maxBins 允许算法考虑更多拆分候选并做出细粒度的拆分决策。但是，它也增加了计算和通信。
请注意，maxBins 参数必须至少为最大类别数。
您可以参考本书 "Adcaned Analytics with Spark"（第 4.8-4.10 章）了解更多详情。