FlinkML 0.10.1 具有稀疏向量的多元线性回归用于训练

Question

All，

我正在尝试通过进行线性回归来测试 Flink ML 0.10.1，如下所述：

https://ci.apache.org/projects/flink/flink-docs-master/libs/ml/multiple_linear_regression.html

我正在使用稀疏向量而不是 DenseVector，但在尝试训练模型时遇到了这个问题：

java.lang.IllegalArgumentException: axpy only supports adding to a dense vector but got type class org.apache.flink.ml.math.SparseVector.
    at org.apache.flink.ml.math.BLAS$.axpy(BLAS.scala:60)
    at org.apache.flink.ml.optimization.GradientDescent$$anonfun$org$apache$flink$ml$optimization$GradientDescent$$SGDStep$2.apply(GradientDescent.scala:181)
    at org.apache.flink.ml.optimization.GradientDescent$$anonfun$org$apache$flink$ml$optimization$GradientDescent$$SGDStep$2.apply(GradientDescent.scala:177)
    at org.apache.flink.api.scala.DataSet$$anon$7.reduce(DataSet.scala:583)
    at org.apache.flink.runtime.operators.chaining.ChainedAllReduceDriver.collect(ChainedAllReduceDriver.java:93)
    at org.apache.flink.runtime.operators.MapDriver.run(MapDriver.java:97)
    at org.apache.flink.runtime.operators.BatchTask.run(BatchTask.java:489)
    at org.apache.flink.runtime.iterative.task.AbstractIterativeTask.run(AbstractIterativeTask.java:144)
    at org.apache.flink.runtime.iterative.task.IterationIntermediateTask.run(IterationIntermediateTask.java:92)
    at org.apache.flink.runtime.operators.BatchTask.invoke(BatchTask.java:354)
    at org.apache.flink.runtime.taskmanager.Task.run(Task.java:584)
    at java.lang.Thread.run(Thread.java:745)

FlinkML MLG 不支持稀疏向量吗？

Answer 1

问题是GradientDescent实现期望梯度向量的总和是密集的。这不是一个很大的限制，因为对一组稀疏向量求和的结果不必再次稀疏。此外，将第一个梯度向量转换为密集向量，然后向其添加以下稀疏梯度向量，而不是一直添加 2 个稀疏向量通常更有效。

我已经打开了一个拉取请求来解决此问题。它应该在接下来的几天内合并。

Answer 2

我检查了源代码，它看起来像那样。那里对类型进行了显式检查，左侧向量稀疏的情况会引发该错误。代码真的很丑，所以它可能只是一个临时版本，会随着时间的推移而改进。您应该在邮件列表中指出或在JIRA上提出问题。