python - Spark mllib预测怪异数或NaN

我是Apache Spark的新手，正在尝试使用机器学习库来预测一些数据。我的数据集现在只有约350点。以下是其中的7点:

"365","4",41401.387,5330569
"364","3",51517.886,5946290
"363","2",55059.838,6097388
"362","1",43780.977,5304694
"361","7",46447.196,5471836
"360","6",50656.121,5849862
"359","5",44494.476,5460289

这是我的代码:

def parsePoint(line):
    split = map(sanitize, line.split(','))
    rev = split.pop(-2)
    return LabeledPoint(rev, split)

def sanitize(value):
    return float(value.strip('"'))

parsedData = textFile.map(parsePoint)
model = LinearRegressionWithSGD.train(parsedData, iterations=10)

print model.predict(parsedData.first().features)

该预测完全是疯狂的，例如-6.92840330273e+136。如果我没有在train()中设置迭代，那么结果就是nan。我究竟做错了什么？是我的数据集(可能是它的大小？)还是我的配置？

最佳答案

问题在于LinearRegressionWithSGD使用随机梯度下降(SGD)来优化线性模型的权重向量。 SGD对提供的用于更新中间解决方案的stepSize确实很敏感。

SGD的作用是在给定输入点样本和当前权重g的情况下，计算成本函数的梯度w。为了更新权重w，您需要在g的相反方向上走一段距离。距离是您的步长s。

w(i+1) = w(i) - s * g

由于您未提供明确的步长值，因此MLlib假定使用stepSize = 1。这似乎不适用于您的用例。我建议您尝试不同的步长，通常是较小的步长，以了解LinearRegressionWithSGD的行为方式:

LinearRegressionWithSGD.train(parsedData, numIterartions = 10, stepSize = 0.001)

关于python - Spark mllib预测怪异数或NaN，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/31599400/