一般来说,我是 Scala 和 Spark 的新手。我正在使用此代码进行回归(基于此链接Spark 官方网站):
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.regression.LinearRegressionModel
import org.apache.spark.mllib.regression.LinearRegressionWithSGD
import org.apache.spark.mllib.linalg.Vectors
// Load and parse the data
val data = sc.textFile("Year100")
val parsedData = data.map { line =>
val parts = line.split(',')
LabeledPoint(parts(0).toDouble, Vectors.dense(parts(1).split(' ').map(_.toDouble)))
}.cache()
// Building the model
val numIterations = 100
val stepSize = 0.00000001
val model = LinearRegressionWithSGD.train(parsedData, numIterations,stepSize )
// Evaluate model on training examples and compute training error
val valuesAndPreds = parsedData.map { point =>
val prediction = model.predict(point.features)
(point.label, prediction)
}
val MSE = valuesAndPreds.map{case(v, p) => math.pow((v - p), 2)}.mean()
println("training Mean Squared Error = " + MSE)
我正在使用的数据集可以在这里看到:Pastebin 链接。
所以我的问题是:为什么 MSE 等于 889717.74(这是一个巨大的数字)?
编辑:正如评论员所建议的,我尝试了这些:
1)我将步骤更改为默认值,MSE 现在返回为 NaN
2)如果我尝试这个构造函数: LinearRegressionWithSGD.train(parsedData, numIterations,stepSize,intercept=True) spark-shell 返回错误(错误:未找到:值 True)