pyspark 随机森林回归器预测多类答案

【问题标题】：pyspark random forest regressor predict multiclasspyspark 随机森林回归器预测多类
【发布时间】：2020-10-15 01:15:24
【问题描述】：

我有随机森林回归器 pyspark ml 模型。响应变量有 9 个类别。

当我预测测试数据时，我得到的概率是我需要得到的类。

使用的代码：

rf = RandomForestRegressor(featuresCol="scaled_features")
pipeline = Pipeline(stages=[featureIndexer, rf])

# Train model.  This also runs the indexer.
model = pipeline.fit(train)

# Make predictions.
predictions = model.transform(test)

evaluator = RegressionEvaluator(labelCol="label", predictionCol="prediction", metricName="rmse")
rmse = evaluator.evaluate(predictions)

【问题讨论】：

你听起来很困惑；回归量（例如此处的 RF）不返回概率，而只是返回数值。如果您的问题是分类问题，则应使用相应的分类器，而不是回归器。
感谢您的澄清，但在我的目标变量中有 9 个类。我需要使用回归器而不是分类器。然而，对于我的测试类预测只有 2 。模型未预测其他类
恐怕你听上去还是一头雾水。您只是处于一个多类分类设置（有 9 个类）中，但它仍然是分类，并且不是回归。根据定义，您无法从回归模型中获得概率值（更不用说类别了）。
谢谢，因为我的输入类有 [0-9] 类，所以很困惑。回归拟合的预期预测结果在 0-9 范围内。当我看到预测结果时，只有 0.xxx 和 1.xxx 为 0.1,1.3。因此我认为它是概率。但是你已经澄清了这些不是概率值

标签： machine-learning pyspark random-forest apache-spark-ml

【解决方案1】：

您正在处理分类问题。所以你应该使用RandomForestClassifier作为ML算法。

对于评估，您应该使用MulticlassClassificationEvaluator。

【讨论】：

我将我的目标类视为连续 10 个类。使用 RandomForest Regressor 时，我只有 2 个类的预测，如何让模型预测所有类。