SparkMLlib线性回归算法案例

• • 一、SparkMLlib线性回归模型
  • 二、案例实现

MLlib的线性回归模型采用随机梯度下降算法来优化目标函数。MLlib实现了分布式的随机梯度下降算法，其分布方法是：在每次迭代中，随机抽取一定比例的样本作为当前迭代的计算样本；对计算样本中的每一个样本分别计算梯度（分布式计算每个样本的梯度）；然后再通过聚合函数对样本的梯度进行累加，得到该样本的平均梯度及损失；最后根据最新的梯度及上次迭代的权重进行权重的更新。

MLlib线性回归模型方程：

线性回归模型的损失函数是：

1. 数据格式说明：
   

2. 测试数据所在位置：测试数据集

3. 具体实现代码如下：

   package com.spark.ml
   
   import org.apache.log4j.{Level, Logger}
   import org.apache.spark.mllib.linalg.Vectors
   import org.apache.spark.mllib.regression.{LabeledPoint, LinearRegressionModel, LinearRegressionWithSGD}
   import org.apache.spark.rdd.RDD
   import org.apache.spark.{SparkConf, SparkContext}
   
   object LinearRegression {
   
     def main(args: Array[String]) {
       // 构建Spark对象
       val conf = new SparkConf().setAppName("LinearRegressionWithSGD").setMaster("local[*]")
       val sc = new SparkContext(conf)
       Logger.getRootLogger.setLevel(Level.WARN)
   
       //读取样本数据
       val data_path1 = "testdatas/lpsa.data"
       val data = sc.textFile(data_path1)
       val examples = data.map { line =>
         val parts = line.split(',')
         LabeledPoint(parts(0).toDouble, Vectors.dense(parts(1).split(' ').map(_.toDouble)))
       }.cache()
       // 触发Job实现缓存
       val numExamples = examples.count()
   
       // 新建线性回归模型，并设置训练参数
       val numIterations = 200
       val stepSize = 1
       val miniBatchFraction = 0.5
       val model = LinearRegressionWithSGD.train(examples, numIterations, stepSize, miniBatchFraction)
       val weights = model.weights // 权重
       val intercept = model.intercept // 偏置
       println("权重：" + weights.toArray + "-,偏置：" + intercept)
   
       // 对样本进行测试
       predictByModel(model,examples,numExamples)
   
       // 模型保存
       val ModelPath = "testdatas/model/LinearRegressionModel"
       model.save(sc, ModelPath)
     }
   
     def predictByModel(model: LinearRegressionModel,examples:RDD[LabeledPoint],numExamples:Long): Unit ={
       // 对样本进行测试
       val prediction = model.predict(examples.map(_.features))
       val predictionAndLabel = prediction.zip(examples.map(_.label))
       val print_predict = predictionAndLabel.take(20)
       println("prediction" + "t" + "label")
       for (i <- 0 to print_predict.length - 1) {
         println(print_predict(i)._1 + "t" + print_predict(i)._2)
       }
       // 计算测试误差
       val loss = predictionAndLabel.map {
         case (p, l) =>
           val err = p - l
           err * err
       }.reduce(_ + _)
       val rmse = math.sqrt(loss / numExamples)
       println(s"Test RMSE = $rmse.")
     }
   }
   
   

   注意：可不断调整模型参数以便于得到最优的模型