Python 如何在Spark MLlib中执行回归分析以确定电信行业的客户流失？

我正在使用

决策树

（

监督学习

）对电信行业的客户流失进行

预测（客户是否转移到另一家公司）。我有一个具有以下结构的数据集（
csv
data）：

在这一列中，最后一列（
chorn
）是
true
或
false
值列，用作标签。在测试期间，我希望预测此列的值（true-false或0-1）。我的疑问是，如何使用
sparkmlibs
决策树
算法来训练数据？我正在查看中给出的
回归示例
，我无法理解在培训阶段，他们在哪里提供
标签
。例如：

val categoricalFeaturesInfo = Map[Int, Int]()
val impurity = "variance"
val maxDepth = 5
val maxBins = 32

val model = DecisionTree.trainRegressor(trainingData, categoricalFeaturesInfo, impurity,
  maxDepth, maxBins) 

既然这是一种有监督的学习，我们在训练模型时不也应该提供标签吗

我如何在我的数据上训练我的模型，提供
标签
，然后测试预测测试数据的
标签
？
好吧，因为您尝试做的是监督学习，特别是分类问题。决策树所期望的输入是一个标签点。LabeledPoint基本上是一种结构，表示哪一个是目标变量（标签）和特征向量检查：


所以你可以使用它作为输入，如果你想训练和测试的话，你也可以分割标签点，或者为cv或任何需要的东西做一个循环

重要的是，在培训之前，将正确/错误案例映射为1/0，并且：

val categoricalFeaturesInfo = Map[Int, Int]()

用于告诉模型哪些功能是分类的，例如，假设功能1和功能2只是分类的，那么您应该将其写成：

val categoricalFeaturesInfo = Map[Int, Int]((1,2),(2,4))

这意味着功能1是分类的，有2个级别，功能2是分类的，有4个级别。这里的索引从0开始！！。你应该把你所有的分类特征映射到0，1，2，3…numberLevels

标签点的示例，基本上是映射数据，这一个假设值是双精度的，选择1作为标签点，选择2,3作为要素

val data = dataInput.rdd.map(x => LabeledPoint(x.getDouble(1),Vectors.dense(x.getDouble(2), x.getDouble(3)))

我希望这会有所帮助。
不确定您在阅读后对
csv
数据所做的转换，但您应该这样做，以便将其转换为@DrVComas所指出的
标签点

from pyspark.mllib.regression import LabeledPoint

def parseCsvLine(line):
    fl = line.split(',')
    l = len(fl)
    return LabeledPoint(fl[l-1], fl[0:l-1])

然后你传递给决策树的训练数据应该像这样映射

trainingData = rawData.map(parseCsvLine)

希望有帮助。
因此，就我的情况而言，我的所有功能（除“搅动”列外的所有列）都不是绝对的。搅动具有真/假（或0/1）值，但用于标签目的。那么，对于我来说，信息的分类特征应该是什么呢？此外，在Spark文档中给出的示例中，它们在哪里形成带有标签和特征向量的
标签点
？如果没有分类，则与第一种情况一样，使用空括号映射[Int，Int]（）。你想要一个LabeledPoint的例子，我在那里编辑它。你能提供我如何用python将从csv文件读取的特定列的真/假值映射到Spark中的0/1吗？你提供的代码（LabledPoint示例）似乎是针对Scala的，对。你在python中是如何做到的？
trainingData = rawData.map(parseCsvLine)