Python Pypark logistic回归缺失法

我是新来的

Pyspark

。我正在使用逻辑回归API。我遵循了一些教程，并以这种方式工作：

from pyspark.ml.classification import LogisticRegression

train, test = df.randomSplit([0.80, 0.20], seed = some_seed)

LR = LogisticRegression(featuresCol = 'features', labelCol = 'label', maxIter=some_iter)
LR_model = LR.fit(train) 

当我打电话时

trainingSummary = LR_model.summary
trainingSummary.roc

我明白了

--------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-319-bf79768ab64e> in <module>()
      1 trainingSummary = LR_model.summary
      2 
----> 3 trainingSummary.roc

AttributeError: 'LogisticRegressionTrainingSummary' object has no attribute 'roc'

--------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在（）
1培训摘要=LR\U模型摘要
2.
---->3 trainingSummary.roc
AttributeError:“LogisticRegressionTrainingSummary”对象没有属性“roc”

---

有人有想法？

根据“LogisticRegressionTrainingSummary”文档提供了LogisticRegressionModel的摘要。对于二元分类，某些附加指标可用，例如ROC曲线。请参阅BinaryLogisticRegressionTrainingSummary“您使用二元分类吗？@smishra感谢您的回答。但是我不明白这一点，你的意思是在我的例子中，

trainingSummary

应该有一个

roc

方法吗？是的，如果你使用的是二进制分类，它应该有。您使用的Spark/SparkML版本是什么？