【发布时间】：2019-02-16 02:03:36
【问题描述】：
我正在使用 pyspark 构建一个随机森林分类器。我想将featureSubsetStrategy 设置为数字而不是auto、sqrt 等。文档指出：
featureSubsetStrategy = Param(parent='undefined', name='featureSubsetStrategy', doc='The number of features to consider for splits at each tree node. Supported options: auto, all, onethird, sqrt, log2, (0.0-1.0], [1-n].')
但是，例如，当我选择诸如 0.2 之类的数字时，我收到以下错误：
TypeError: Invalid param value given for param "featureSubsetStrategy". Could not convert <class 'float'> to string type
如果我使用featureSubsetStrategy=5，也会发生同样的情况。如何设置它使其可以是 int 或 float？
例子：
# setting target label
label_col = 'veh_pref_Economy'
# random forest parameters
max_depth = 2
subset_strategy = 0.2037
impurity = 'gini'
min_instances_per_node = 41
num_trees = 1
seed = 1246
rf_econ_gen = (RandomForestClassifier()
.setLabelCol(label_col)
.setFeaturesCol("features")
.setMaxDepth(max_depth)
.setFeatureSubsetStrategy(subset_strategy)
.setImpurity(impurity)
.setMinInstancesPerNode(min_instances_per_node)
.setNumTrees(num_trees)
.setSeed(seed))
这会返回：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
~/spark-2.2.1-bin-hadoop2.7/python/pyspark/ml/param/__init__.py in _set(self, **kwargs)
418 try:
--> 419 value = p.typeConverter(value)
420 except TypeError as e:
~/spark-2.2.1-bin-hadoop2.7/python/pyspark/ml/param/__init__.py in toString(value)
203 else:
--> 204 raise TypeError("Could not convert %s to string type" % type(value))
205
TypeError: Could not convert <class 'float'> to string type
During handling of the above exception, another exception occurred:
TypeError Traceback (most recent call last)
<ipython-input-28-71b9c2a0f1a0> in <module>()
3 .setFeaturesCol("features")
4 .setMaxDepth(max_depth)
----> 5 .setFeatureSubsetStrategy(subset_strategy)
6 .setImpurity(impurity)
7 .setMinInstancesPerNode(min_instances_per_node)
~/spark-2.2.1-bin-hadoop2.7/python/pyspark/ml/regression.py in setFeatureSubsetStrategy(self, value)
632 Sets the value of :py:attr:`featureSubsetStrategy`.
633 """
--> 634 return self._set(featureSubsetStrategy=value)
635
636 @since("1.4.0")
~/spark-2.2.1-bin-hadoop2.7/python/pyspark/ml/param/__init__.py in _set(self, **kwargs)
419 value = p.typeConverter(value)
420 except TypeError as e:
--> 421 raise TypeError('Invalid param value given for param "%s". %s' % (p.name, e))
422 self._paramMap[p] = value
423 return self
TypeError: Invalid param value given for param "featureSubsetStrategy". Could not convert <class 'float'> to string type
【问题讨论】：
-
传入字符串有效：
subset_strategy = "0.2037"，似乎它可能是错误的文档。 -
是的，我自己尝试将它作为字符串传递，但没有收到错误，但它似乎不正确，并且不确定引擎盖下发生了什么。这是一个经典的火花问题。
-
pyspark 实现只是 Java 版本的包装器。 Java docs 表示
featureSubsetStrategy是String。 -
@pault：谢谢，还有一个问题。它说它也可以取值
[1-n]，这是否意味着如果有50个特征并且我想为每棵树使用其中的10个，我输入9还是10。还是我完全误解了它的工作原理？ -
我的解释是您必须输入
10才能获得10 features。您必须在每棵树上至少选择一个特征，这就是为什么下限是1。您可以通过使用 1 棵树构建一个 Forest 并查看选择了多少特征来进行测试。
标签： python pyspark random-forest