方法 logLikelihood 和 logPerplexity 不适用于 Spark LDA，如何测量它们？

Question

我正在尝试获取 Spark LDA 模型（使用 Spark 2.1）的困惑度和对数似然度。尽管我可以保存模型，但下面的代码不起作用（未找到方法 logLikelihood 和 logPerplexity）。

from pyspark.mllib.clustering import LDA
from pyspark.mllib.linalg import Vectors

# construct corpus
# run LDA
ldaModel = LDA.train(corpus, k=10, maxIterations=10)
logll = ldaModel.logLikelihood(corpus)
perplexity = ldaModel.logPerplexity(corpus)

请注意，此类方法不会出现 dir(LDA)。

什么是工作示例？

Answer 1

I can do train but not fit. 'LDA' object has no attribute 'fit'

那是因为您使用的是旧的 RDD-based API (MLlib)，即

from pyspark.mllib.clustering import LDA # WRONG import

LDAclass确实不包括fit、logLikelihood或logPerplexity方法。

为了使用这些方法，您应该切换到新的方法，dataframe-based API (ML):

from pyspark.ml.clustering import LDA  # NOTE: different import

# Loads data.
dataset = (spark.read.format("libsvm")
    .load("data/mllib/sample_lda_libsvm_data.txt"))

# Trains a LDA model.
lda = LDA(k=10, maxIter=10)
model = lda.fit(dataset)

ll = model.logLikelihood(dataset)
lp = model.logPerplexity(dataset)

方法 logLikelihood 和 logPerplexity 不适用于 Spark LDA，如何测量它们？

methods logLikelihood and logPerplexity not available for Spark LDA, how to measure them?

apache-spark

machine-learning

pyspark

cluster-analysis

lda