如何推斷星火MLlib預測類標籤計算原始分數

https://spark.apache.org/docs/latest/mllib-optimization.html

星火文件下面二元分類預測的示例代碼段：

val model = new LogisticRegressionModel(
    Vectors.dense(weightsWithIntercept.toArray.slice(0,weightsWithIntercept.size - 1)), 
    weightsWithIntercept(weightsWithIntercept.size - 1)) 

    // Clear the default threshold. 
    model.clearThreshold() 

    // Compute raw scores on the test set. 
    val scoreAndLabels = test.map { point => 
    val score = model.predict(point.features) 
    (score, point.label)

正如你看到的model.prediction（point.features）返回原始分數，它是超平面分離距離的邊界。

我的問題是：

（1）我怎麼能知道，如果基於上述計算原始分數的預測類別標籤是0或1？

或者

（2）如何推斷預測類別標籤（0或1）在從上述計算原始分數這種二元分類情況？

來源

2017-04-07 Tom

默認情況下，閾值爲0.5，因此使用BinaryClassificationMetrics時，如果分數爲< 0.5，則分類標籤爲0，如果分數較高，則分類爲0。所以你可以做同樣的從分數中推斷出課堂。

來源

2017-04-07 18:36:02

如何獲得算法確定的計算ROC曲線的最佳閾值？ – Tom

在度量對象上，您可以通過各種度量的閾值獲取得分。例如：val f1Score = metrics.fMeasureByThreshold。然後你可以迭代找到最好的閾值細節：https://spark.apache.org/docs/latest/mllib-evaluation-metrics.html –

如何推斷星火MLlib預測類標籤計算原始分數

回答

相關問題