16

我在 Spark 1.5.1 中有一个 spark.ml 管道，它由一系列转换器和一个 k-means 估计器组成。我希望能够在安装管道后访问KMeansModel .clusterCenters，但不知道如何。是否有 spark.ml 等效于 sklearn 的 pipeline.named_steps 功能？

我找到了这个答案，它提供了两种选择。如果我将 k-means 模型从我的管道中取出并单独安装，则第一个有效，但这有点违背了管道的目的。第二个选项不起作用 - 我得到error: value getModel is not a member of org.apache.spark.ml.PipelineModel.

编辑：示例管道：

import org.apache.spark.ml.feature.{HashingTF, IDF, Tokenizer}
import org.apache.spark.ml.clustering.{KMeans, KMeansModel}
import org.apache.spark.ml.Pipeline

// create example dataframe
val sentenceData = sqlContext.createDataFrame(Seq(
  ("Hi I heard about Spark"),
  ("I wish Java could use case classes"),
  ("K-means models are neat")
  )).toDF("sentence")

// initialize pipeline stages
val tokenizer = new Tokenizer().setInputCol("sentence").setOutputCol("words")
val hashingTF = new HashingTF().setInputCol("words").setOutputCol("features").setNumFeatures(20)
val kmeans = new KMeans()
val pipeline = new Pipeline().setStages(Array(tokenizer, hashingTF, kmeans))

// fit the pipeline
val fitKmeans = pipeline.fit(sentenceData)

所以现在fitKmeans是类型org.apache.spark.ml.PipelineModel。我的问题是，如何访问由该管道中包含的 k-means 模型计算的集群中心？如上所述，当不包含在管道中时，可以使用fitKmeans.clusterCenters.

4

1 回答 1

24

回答我自己的问题......我终于偶然发现了 spark.ml 文档中的一个示例，该示例显示了如何使用该类的stages成员来执行此操作PipelineModel。因此，对于我上面发布的示例，为了访问 k-means 集群中心，请执行以下操作：

val centers = fitKmeans.stages(2).asInstanceOf[KMeansModel].clusterCenters

其中fitKmeans是 PipelineModel，2是管道阶段数组中 k-means 模型的索引。

参考：本页大部分示例的最后一行。

于 2015-11-06T17:28:27.447 回答