python - 如何在 pyspark 中使用 MultiClassMetrics 计算 f 分数?

标签 python apache-spark machine-learning pyspark rdd

正如我在 pyspark 文档中看到的,fmeasure() 函数有两个参数,分别是 labelbeta:

fMeasure(label=None, beta=None)

这里的 beta 是什么?

我正在使用 RDD 中的一个非常简单的数据集: (它在数据框中,但我将其转换为 RDD)

+----------+-----+
|prediction|label|
+----------+-----+
|         1|    1|
|         1|    1|
|         0|    1|
|         0|    0|
|         1|    0|
|         1|    0|
|         0|    0|
|         0|    0|
|         1|    1|
|         1|    1|
+----------+-----+

当我运行这个命令时:

multi_metrics = MulticlassMetrics(rdd)
print 'fMeasure: ', multi_metrics.fMeasure(1)

我收到这个错误:

print 'fMeasure: ', multi_metrics.fMeasure(1)
  File "/usr/hdp/current/spark-client/python/pyspark/mllib/evaluation.py", line 259, in fMeasure
    return self.call("fMeasure", label)
  File "/usr/hdp/current/spark-client/python/pyspark/mllib/common.py", line 146, in call
    return callJavaFunc(self._sc, getattr(self._java_model, name), *a)
  File "/usr/hdp/current/spark-client/python/pyspark/mllib/common.py", line 123, in callJavaFunc
    return _java2py(sc, func(*args))
  File "/usr/hdp/current/spark-client/python/lib/py4j-0.9-src.zip/py4j/java_gateway.py", line 813, in __call__
    answer, self.gateway_client, self.target_id, self.name)
  File "/usr/hdp/current/spark-client/python/pyspark/sql/utils.py", line 45, in deco
    return f(*a, **kw)
  File "/usr/hdp/current/spark-client/python/lib/py4j-0.9-src.zip/py4j/protocol.py", line 312, in get_return_value
    format(target_id, ".", name, value))
Py4JError: An error occurred while calling o154.fMeasure. Trace:
py4j.Py4JException: Method fMeasure([class java.lang.Integer]) does not exist
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:335)
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:344)
    at py4j.Gateway.invoke(Gateway.java:252)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:209)
    at java.lang.Thread.run(Thread.java:745)

最佳答案

What is beta here?

Spark 的 MulticlassMetrics 实现了 $F_{\beta}$-measure,如果你把 $\beta$ = 1,它与传统的 F-measure 一致。$\beta$ 参数允许 control relative contributions of precision vs recall in F-measure .

关于错误:如果您查看实现,它实际上需要一个 Double。这是 fMeasure 方法的 pyspark 包装器,这是实际的 implementation(在 Scala 中)。

所以你应该这样调用它,例如:

multi_metrics = MulticlassMetrics(rdd)
print 'fMeasure: ', multi_metrics.fMeasure(1.0,1.0)

关于python - 如何在 pyspark 中使用 MultiClassMetrics 计算 f 分数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41707370/

相关文章:

python - 使用 GroupKFold 和 sklearn 进行嵌套交叉验证

python - 如何在 PyTorch 中标准化图像

python - 从 scipy 中的稀疏矩阵中删除对角线元素

apache-spark - 我的 SparkSession 初始化需要很长时间才能在我的笔记本电脑上运行。有人知道为什么吗?

scala - 如何在 Spark (Scala) 中读取带有自定义分隔符的新行和新列的文件

apache-spark - 尝试从 Spark 访问 S3 时出现 400 错误请求

python - 随机森林准确率太低

python - 如何从字典的值打印 Unicode 表情符号

python - BOTO3使用Python获取EC2列表信息

python - tryton Gtk-ERROR Can't create a GtkStyleContext without a display connection