Spark ML决策树分类器调用随机森林方法
蒂芙尼
我现在正在运行以下代码，使用 ML 库中的分类器：
val decisionTree = new DecisionTreeClassifier().setLabelCol("label").setFeaturesCol("features").setMaxDepth(7).setImpurity("gini")
val model = decisionTree.fit(df3)
val prediction = model.transform(df3)
当我查看 Spark History 时，我看到的是： 
为什么我的单个决策树使用 randomForest 方法，我做错了什么？还有为什么有些任务与其他任务相比真的很长？（如果我可以做些什么来加快速度，我想知道）
ML 文档没有提供太多关于这个的信息......
托马斯·乌卡斯塔
随机森林是决策树的集合
所以这与决策树相同。如果您将最大深度从 7 调整为 1，则花费的时间会更少，但会出现欠拟合。它也基于内存大小。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
用于回归的 Spark ML 随机森林和梯度提升树
- 2
用于决策树的spark数据分区
- 3
用于决策树的spark数据分区
- 4
spark ML决策树如何处理回归问题的连续特征
- 5
查找sklearn决策树分类器的随机状态
- 6
如何在Scikit学习中将固定的验证集（而非K折交叉验证）用于决策树分类器/随机森林分类器？
- 7
Java中的Apache Spark中的决策树实现问题
- 8
SPARK：如何为LabeledPoint中的决策树创建categoricalFeaturesInfo？
- 9
Spark MLib决策树：按功能标注的概率？
- 10
Spark决策树适合1个任务的运行
- 11
稀疏矩阵的决策树分类器
- 12
Spark随机森林错误
- 13
获得随机森林中决策树的价值
- 14
如何可视化Spark（pyspark）中的决策树模型？
- 15
Sklearn决策树分类器-动物猜谜游戏
- 16
无法使用 gridsearch 调整决策树分类器参数
- 17
具有一棵树的随机森林的性能要比单个决策树差？
- 18
分类树的倾向-mlib spark
- 19
Tidymodel包：R中的常规线性模型（glm）和决策树（袋装树，增强树和随机森林）模型
- 20
复杂对象的Python决策树分类
- 21
Spark随机森林交叉验证错误
- 22
Spark 1.5.1，MLLIb随机森林概率
- 23
Spark随机森林交叉验证错误
- 24
从随机森林分类器中提取树（预测变量）
- 25
具有分类输入的回归树或随机森林回归器
- 26
具有分类输入的回归树或随机森林回归器
- 27
CNN和决策树/森林有什么区别
- 28
为什么随机森林或决策树不能给出100％的精度？以及如何处理中间的巨大噪音？
- 29
为什么我的随机森林和决策树一直显示 100% 的准确率？
我来说两句