Spark成長の道(6)-Correlation
5413 ワード
spark mlソースコード
SparkはDataFrame特性を徹底的にサポートする準備ができているので、mlのapiを再構築し、元のRDDベースのapiはすべてmllibに置かれていたが、いずれもメンテナンス段階であり、ml下のapiの使用を推奨している.
2つの相関があり、ピルソン積モーメント相関係数とスピルマン等級相関係があり、具体的な原理は自分で検索してください.主に2つのベクトルの相関性を判断します.
各行には4つの数があり、現在のいくつかのベクトルとSeqの4つのベクトルの相関を表しています.例えば、ピルソンの最初の行の結果
SparkはDataFrame特性を徹底的にサポートする準備ができているので、mlのapiを再構築し、元のRDDベースのapiはすべてmllibに置かれていたが、いずれもメンテナンス段階であり、ml下のapiの使用を推奨している.
関連性
2つの相関があり、ピルソン積モーメント相関係数とスピルマン等級相関係があり、具体的な原理は自分で検索してください.主に2つのベクトルの相関性を判断します.
サンプル
import org.apache.spark.ml.linalg.{Matrix, Vectors}
import org.apache.spark.ml.stat.Correlation
import org.apache.spark.sql.{Row, SparkSession}
object CorrelationExample {
def main(args: Array[String]): Unit = {
val spark = SparkSession.builder.appName("CorrelationExample").getOrCreate()
spark.sparkContext.setLogLevel("WARN")
val data = spark.sparkContext.makeRDD(Seq(
Vectors.sparse(4, Seq((0, 1.0), (3, -2.0))),
Vectors.dense(4.0, 5.0, 0.0, 3.0),
Vectors.dense(6.0, 7.0, 0.0, 8.0),
Vectors.sparse(4, Seq((0, 9.0), (3, 1.0)))
))
import spark.implicits._
val df = data.map(Tuple1.apply).toDF("features")
val Row(coeff1: Matrix) = Correlation.corr(df, "features").head
println("Pearson correlation matrix:
" + coeff1.toString)
val Row(coeff2: Matrix) = Correlation.corr(df, "features", "spearman").head
println("Spearman correlation matrix:
" + coeff2.toString)
}
}
実行結果
Pearson correlation matrix:
1.0 0.055641488407465814 NaN 0.4004714203168137
0.055641488407465814 1.0 NaN 0.9135958615342522
NaN NaN 1.0 NaN
0.4004714203168137 0.9135958615342522 NaN 1.0
Spearman correlation matrix:
1.0 0.10540925533894532 NaN 0.40000000000000174
0.10540925533894532 1.0 NaN 0.9486832980505141
NaN NaN 1.0 NaN
0.40000000000000174 0.9486832980505141 NaN 1.0
各行には4つの数があり、現在のいくつかのベクトルとSeqの4つのベクトルの相関を表しています.例えば、ピルソンの最初の行の結果
1.0 0.055641488407465814 NaN 0.4004714203168137
と自分の相関は1.0で、2番目の相関は0.055641488407465814
で、3番目の相関は計算できません.4番目の相関0.055641488407465814
です.