小編給大家分享一下 spark mllib分類之如何支持向量機(jī)，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

成都創(chuàng)新互聯(lián)公司長(zhǎng)期為數(shù)千家客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為富拉爾基企業(yè)提供專業(yè)的成都網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站，富拉爾基網(wǎng)站改版等技術(shù)服務(wù)。擁有10余年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

胃癌轉(zhuǎn)移數(shù)據(jù)說(shuō)明

腎細(xì)胞癌轉(zhuǎn)移情況(有轉(zhuǎn)移 y=1,無(wú)轉(zhuǎn)移 y=2)
x1:確診時(shí)患者年齡(歲)
x2:腎細(xì)胞癌血管內(nèi)皮生長(zhǎng)因子(VEGF),其陽(yáng)性表述由低到高共３個(gè)等級(jí)
x3:腎細(xì)胞癌組織內(nèi)微血管數(shù)(MVC)
x4:腎癌細(xì)胞核組織學(xué)分級(jí)，由低到高共４級(jí)
x5:腎細(xì)胞癌分期，由低到高共４級(jí)

y x1 x2 x3 x4 x50 59 2 43.4 2 1

運(yùn)行代碼如下

package spark.logisticRegression

import org.apache.spark.mllib.classification.{SVMWithSGD}
import org.apache.spark.mllib.evaluation.MulticlassMetrics
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkConf, SparkContext}

/**
  *  MLLib分類，邏輯回歸，是分類，不是回歸
  *  支持向量機(jī)分析胃癌轉(zhuǎn)移判斷
  * Created by eric on 16-7-17.
  */
object SVMTest {
  val conf = new SparkConf()                                     //創(chuàng)建環(huán)境變量
    .setMaster("local")                                             //設(shè)置本地化處理
    .setAppName("LogisticRegression4")                              //設(shè)定名稱
  val sc = new SparkContext(conf)

  def main(args: Array[String]) {
    val data = MLUtils.loadLibSVMFile(sc, "./src/main/spark/logisticRegression/wa.txt")	//讀取數(shù)據(jù)文件,一定注意文本格式
    val splits = data.randomSplit(Array(0.7, 0.3), seed = 11L)			//對(duì)數(shù)據(jù)集切分
    val parsedData = splits(0)									//分割訓(xùn)練數(shù)據(jù)
    val parseTtest = splits(1)									//分割測(cè)試數(shù)據(jù)
    val model = SVMWithSGD.train(parsedData,50)		//訓(xùn)練模型

    val predictionAndLabels = parseTtest.map { 					//計(jì)算測(cè)試值
      case LabeledPoint(label, features) =>						//計(jì)算測(cè)試值
        val prediction = model.predict(features)						//計(jì)算測(cè)試值
        (prediction, label)										//存儲(chǔ)測(cè)試和預(yù)測(cè)值
    }

    val metrics = new MulticlassMetrics(predictionAndLabels)	//創(chuàng)建驗(yàn)證類
    val precision = metrics.precision								//計(jì)算驗(yàn)證值
    println("Precision = " + precision)							//打印驗(yàn)證值

    val patient = Vectors.dense(Array(70,3,180.0,4,3))	//計(jì)算患者可能性
    if(patient == 1) println("患者的胃癌有幾率轉(zhuǎn)移。")	//做出判斷
    else println("患者的胃癌沒(méi)有幾率轉(zhuǎn)移。")		//做出判斷
    //Precision = 0.5555555555555556
    //患者的胃癌沒(méi)有幾率轉(zhuǎn)移。

  }
}

wa.txt

0 1:59 2:2 3:43.4 4:2 5:1
0 1:36 2:1 3:57.2 4:1 5:1
0 1:61 2:2 3:190 4:2 5:1
1 1:58 2:3 3:128 4:4 5:3
1 1:55 2:3 3:80 4:3 5:4
0 1:61 2:1 3:94 4:4 5:2
0 1:38 2:1 3:76 4:1 5:1
0 1:42 2:1 3:240 4:3 5:2
0 1:50 2:1 3:74 4:1 5:1
0 1:58 2:2 3:68.6 4:2 5:2
0 1:68 2:3 3:132.8 4:4 5:2
1 1:25 2:2 3:94.6 4:4 5:3
0 1:52 2:1 3:56 4:1 5:1
0 1:31 2:1 3:47.8 4:2 5:1
1 1:36 2:3 3:31.6 4:3 5:1
0 1:42 2:1 3:66.2 4:2 5:1
1 1:14 2:3 3:138.6 4:3 5:3
0 1:32 2:1 3:114 4:2 5:3
0 1:35 2:1 3:40.2 4:2 5:1
1 1:70 2:3 3:177.2 4:4 5:3
1 1:65 2:2 3:51.6 4:4 5:4
0 1:45 2:2 3:124 4:2 5:4
1 1:68 2:3 3:127.2 4:3 5:3
0 1:31 2:2 3:124.8 4:2 5:3

結(jié)果如圖

看完了這篇文章，相信你對(duì)“ spark mllib分類之如何支持向量機(jī)”有了一定的了解，如果想了解更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！

網(wǎng)站題目：sparkmllib分類之如何支持向量機(jī)
網(wǎng)站URL：http://jinyejixie.com/article30/jopjpo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、、關(guān)鍵詞優(yōu)化、域名注冊(cè)、面包屑導(dǎo)航、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)