您好,登录后才能下订单哦!
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
这篇文章主要介绍了spark mllib中如何实现朴素贝叶斯算法,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
第一列每行的标签,其他列为特征
package spark.logisticRegression import org.apache.spark.mllib.classification.NaiveBayes import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.mllib.util.MLUtils import org.apache.spark.{SparkConf, SparkContext} /** * 分类 - 朴素贝叶斯简单示例 * 后验概率 = 先验概率 x 调整因子 * Created by eric on 16-7-18. */ object Bayes { val conf = new SparkConf() //创建环境变量 .setMaster("local") //设置本地化处理 .setAppName("Bayes") //设定名称 val sc = new SparkContext(conf) def main(args: Array[String]) { val data = MLUtils.loadLabeledPoints(sc, "./src/main/spark/logisticRegression/bayes.txt") val model = NaiveBayes.train(data, 1.0) model.labels.foreach(println)//打印 label(labels是标签类别) model.pi.foreach(println)//打印先验概率 (pi存储各个label先验概率) //0.0 //1.0 //2.0 //-1.0986122886681098 //-1.0986122886681098 //-1.0986122886681098 val test = Vectors.dense(0, 0, 10)//新预测数据 val result = model.predict(test)//预测结果 println(result)//2.0 } }
bayes.txt
0,1 0 0 0,2 0 0 1,0 1 0 1,0 2 0 2,0 0 1 2,0 0 2
感谢你能够认真阅读完这篇文章,希望小编分享的“spark mllib中如何实现朴素贝叶斯算法”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。