【2019-12-10】 spark ALS 训练数据可视化数据展示

知乎关注主题列表

package A

import java.io.File
import java.util

import org.apache.commons.io.FileUtils
import org.apache.spark.mllib.recommendation.{ALS, MatrixFactorizationModel, Rating}
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

object asd {

  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setMaster("local").setAppName("My App")
    val sc: SparkContext = new SparkContext(conf)
    val map = new util.HashMap[String, Int]

    val inputFile1: String = "topics/topic.csv"
    //    val inputFile2: String = "ml-20m/ratings.csv"
    var i = 0;
    val train = sc.textFile(inputFile1).flatMap(_.split("\n"))//.filter(_ => Math.random() > 0.97)
      .map(_.split(",") match {
        case Array(user, item, rate) => Rating(map.computeIfAbsent(user, _ => {
          i = i + 1;
          i
        }), item.toInt, math.log(rate.toDouble + math.E))
      })
    //    val model = ALS.train(train, 30, 15)
    val model = new ALS()
      .setIterations(20)
      .setRank(60)
      .setLambda(0.005)
      .run(train)
    model.save(sc,"ALS.model")
//    evaluateMode(train, model);
  }

  /**
   * 模型评估
   */
  private def evaluateMode(ratings: RDD[Rating], model: MatrixFactorizationModel) {

    //使用训练数据训练模型
    val usersProducets = ratings.map {
      case Rating(user, product, rate) => (user, product)
    }

    //预测数据
    val predictions = model.predict(usersProducets).map {
      case Rating(user, product, rate) => ((user, product), rate)
    }

    //将真实分数与预测分数进行合并
    val ratesAndPreds = ratings.map {
      case Rating(user, product, rate) =>
        ((user, product), rate)
    }.join(predictions)

    //计算均方
    val MSE = ratesAndPreds.map {
      case ((user, product), (r1, r2)) =>

        val err = (r1 - r2) //(math.pow(math.E, r1) - math.pow(math.E, r2))
        err * err
    }.mean()


    val sb = new StringBuilder("0,1,2,3\n")
    ratesAndPreds.map {
      case ((user, product), (r1, r2)) =>
        user + "," + product + "," + (math.pow(math.E,r1)-1) + "," + (math.pow(math.E,r2)-1) + "\n"
    }.take(999999999).foreach(sb ++= _)
    FileUtils.write(new File("s"),sb,false)


    //打印出均方差值
    println(s"MSE = ${MSE}")
  }

}

回答数目预测 X是原回答数目
Y是预计回答数目

还是可以勉强看成线性回归的拿来预测应该还是可以的
Figure_1.png

Figure_2.png
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

CSV_FILE_PATH = 's'
df = pd.read_csv(CSV_FILE_PATH)
plt.figure(figsize=(7, 7))
print(df)

x = df['2']
y = df['3']
# scale = 100 * np.random.rand(n)
# s 表示散点的大小,形如 shape (n, )
# label 表示显示在图例中的标注
# alpha 是 RGBA 颜色的透明分量
# edgecolors 指定三点圆周的颜色
plt.scatter(x, y, s=2, alpha=0.3)
plt.title('Scatter')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc='best')
plt.grid(True)
plt.show()

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>asd</groupId>
    <artifactId>asd</artifactId>
    <version>1.0-SNAPSHOT</version>


    <repositories>
        <repository>
            <id>aliyunmaven</id>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
        </repository>
    </repositories>

    <properties>
        <spark.version>2.4.4</spark.version>
        <scala.version>2.12</scala.version>
    </properties>



    <dependencies>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-mllib_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>

    </dependencies>

</project>
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342