在大家使用spark 的时候,会发现,ML库下的模型生成的概率是一个Vector,那么如何将这个Vector的概率为1的那一列取出呢?并且自定义阈值,按照这个阈值切分得到label的0,1类呢?
这时候udf函数就派上了很好的用场,废话不多说,直接上代码
取出Vector 的第n列,生成新的dataframe
切分Vector得到每一列的值,形如调用下面的代码生成features,对feature进行切割
val vectorAssembler = new VectorAssembler()
.setInputCols(int_col++dou_col).setOutputCol("features")
udf函数代码如下:
val code_par:(org.apache.spark.ml.linalg.Vector=>Double)=(arg:org.apache.spark.ml.linalg.Vector)=>{
val temp =arg(1)
temp
}
val parsecol=udf(code_par)
val df_temp =df.withColumn(add_col,parsecol(df(“features”)))
df_temp
当训练完成后,transform 预测数据后,也会生成一个形如上面这个features的parobability列,调用该udf函数,即可完成对label=1的prob的取出;
模型概率设置阈值,生成label
当得到label=1的prob时,使用udf函数,自定义设置阈值,多模型进行划分,并得到相应的精确率,recall;阈值划分的udf函数入下:
-- 概率阈值的切分
val thres = threshold
//阈值判断预测输出
val code :(Double => Int) = (arg: Double) => {if (arg < thres ) 0 else 1}
val colfun = udf(code)
val df_pre = finalDf.withColumn(predict_lable_col, col=colfun(finalDf(add_col)))
edited by :Eshter
date:20191012
版权归eshter 所有,转载请注明出处