Scala 从Spark'中寻找重要性值；基于MLlib的决策树

我们正在使用MLlib为决策树运行Spark 1.0或1.1

当我使用示例数据运行示例SCALA代码时，它没有错误，但我无法从结果中找到特性的重要性

---

有人知道如何获取这些值吗？

当你在最后训练DecisionTreeModel时，你就有了这门课

class DecisionTreeModel(val topNode: Node, val algo: Algo) {
   ...
}

您可以从顶部开始遍历节点，并从中获得所需的所有内容（predict+InformationGainStats）

---

当你在最后训练DecisionTreeModel时，你就有了这个类

class DecisionTreeModel(val topNode: Node, val algo: Algo) {
   ...
}

您可以从顶部开始遍历节点，并从中获得所需的所有内容（predict+InformationGainStats）

---

在Spark 2+中，您可以执行以下操作：

val vectorAssembler = new VectorAssembler().setInputCols(featureArray)
val decisionTreeModel = decisionTree.fit(trainingDataset)
val featureImportances = decisionTreeModel.featureImportances // Sparse or Dense Vector

featureArray.zip(featureImportances.toArray).sortBy(_._2).reverse

---

在Spark 2+中，您可以执行以下操作：

val vectorAssembler = new VectorAssembler().setInputCols(featureArray)
val decisionTreeModel = decisionTree.fit(trainingDataset)
val featureImportances = decisionTreeModel.featureImportances // Sparse or Dense Vector

featureArray.zip(featureImportances.toArray).sortBy(_._2).reverse

---

请发布您尝试的内容和结果。我们不是心灵感应。请发布您尝试过的内容和结果。我们没有心灵感应。