Scala 使用apachesparkmlib进行查询分类
我知道很多关于机器学习的知识,但对scala和spark来说是新手。由于Spark API而被卡住,请告知 我有一个txt文件,每行格式如下Scala 使用apachesparkmlib进行查询分类,scala,apache-spark,Scala,Apache Spark,我知道很多关于机器学习的知识,但对scala和spark来说是新手。由于Spark API而被卡住,请告知 我有一个txt文件,每行格式如下 #label \t # query, a strong of words, delimited by space 1 wireless amazon kindle 2 apple iPhone 5 1 kindle fire 8G 2 apple iPad 第一个字段是标签,第二个字段是字符串 我的计划是将数据拆分为标签和特征,使用内置
#label \t # query, a strong of words, delimited by space
1 wireless amazon kindle
2 apple iPhone 5
1 kindle fire 8G
2 apple iPad
第一个字段是标签,第二个字段是字符串
我的计划是将数据拆分为标签和特征,使用内置函数Word2Vec将字符串转换为稀疏向量(我假设它首先使用单词包获取dict),然后使用SVMWithSGD进行分类训练
object QueryClassification {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("Query Classification").setMaster("local")
val sc = new SparkContext(conf)
val input = sc.textFile("spark_data.txt")
val word2vec = new Word2Vec()
val parsedData = input.map {line =>
val parts = line.split("\t")
## How to write code here? I need to parse into feature vector
## properly and then apply word2vec function after the map
*LabeledPoint(parts(0).toDouble, ????)*
}
## * is the item I got from parsing parts(1) above
word2vec.fit(*)
val numIterations = 20
val model = SVMWithSGD.train(parsedData,numIterations)
}
}
非常感谢如果你使用word2vec算法,你应该用字符串的单词来训练word2vec
val vocabulary = input.map {line =>
val parts = line.split("\t")
val partWords = parts(1).split(" ")
partWords.toSeq
}
val word2vec = new Word2Vec()
val wordModel = word2vec.fit(vocabulary)
对于词汇表中的单词,您可以从wordModel.transform(word)获得单词向量。
因为SVM需要具有两个值(0或1)的LabelPoint,所以我不知道如何将label字段转换为两个值