Spark MLLib如何在訓練分類器時忽略要素

Question

我想僅使用每個LabeledPoint中的一部分特徵在RDD [LabeledPoint]上訓練分類器（既快速調整模型，又包含每個LabeledPoint，例如不是特徵的ID或評估指標）。我搜索了文檔，並找不到指定應包含或忽略哪些列的方法。代碼如下，我正在使用Spark和MLLib 1.3.1，Scala 2.10.4。

如果無法排除特定功能，那麼在訓練期間將忽略每個數據點的ID都會有所幫助。任何幫助表示讚賞！

val numClasses = 2 
val categoricalFeaturesInfo = Map[Int, Int](5 -> 2) 
val numTrees = 100 
val featureSubsetStrategy = "auto" 
val impurity = "gini" 
val maxDepth = 6 
val maxBins = 20 
val model = RandomForest.trainClassifier(trainingData, numClasses, categoricalFeaturesInfo, numTrees, featureSubsetStrategy, impurity, maxDepth, maxBins) 

Answer 1

想要在構建模型之前選擇一個特徵的子集，或者想要爲RandomForest分類器在迭代之間使用一些自定義策略嗎？

如果是第一種情況 - 您可以在構建模型之前將trainingData與地圖轉換進行轉換。

有關功能選擇的示例，請參閱MLlib - Feature Extraction and Transformation中的功能選擇部分。