Apache Spark MLib中逻辑回归模型的概率预测

Question

我正在Apache Spark上工作，使用MLib提供的LogisticRegressionWithLBFGS()类构建LRM。一旦建立了模型，我们就可以使用所提供的预测函数，它只给出二进制标签作为输出。我还想计算相同的概率。

有一个与

相同的实现https://github.com/apache/spark/blob/master/mllib/src/main/scala/org/apache/spark/mllib/classification/LogisticRegression.scala

override protected def predictPoint(
  dataMatrix: Vector,
  weightMatrix: Vector,
  intercept: Double) = {
require(dataMatrix.size == numFeatures)
// If dataMatrix and weightMatrix have the same dimension, it's binary logistic regression.
if (numClasses == 2) {
  val margin = dot(weightMatrix, dataMatrix) + intercept
  val score = 1.0 / (1.0 + math.exp(-margin))
  threshold match {
    case Some(t) => if (score > t) 1.0 else 0.0
    case None => score
  }
} 

此方法未公开，概率也不可用。我能知道如何用这个函数得到概率吗。在上述函数中使用的dot方法也没有公开，它存在于BLAS包中，但不是公共的。

Answer 1

调用myModel.clearThreshold来获取原始预测而不是0/1标签。

注意，这只适用于二进制逻辑回归(numClasses == 2)。

Answer 2

我在试图获得一个倍数问题的原始预测时遇到了类似的问题。对我来说，最好的解决方案是通过借用和定制Spark MLlib Logistic Regression src来创建一个方法。你可以创建一个类似的:

object ClassificationUtility {
  def predictPoint(dataMatrix: Vector, model: LogisticRegressionModel):
    (Double, Array[Double]) = {
    require(dataMatrix.size == model.numFeatures)
    val dataWithBiasSize: Int = model.weights.size / (model.numClasses - 1)
    val weightsArray: Array[Double] = model.weights match {
      case dv: DenseVector => dv.values
      case _ =>
        throw new IllegalArgumentException(
          s"weights only supports dense vector but got type ${model.weights.getClass}.")
    }
    var bestClass = 0
    var maxMargin = 0.0
    val withBias = dataMatrix.size + 1 == dataWithBiasSize
    val classProbabilities: Array[Double] = new Array[Double](model.numClasses)
    (0 until model.numClasses - 1).foreach { i =>
      var margin = 0.0
      dataMatrix.foreachActive { (index, value) =>
      if (value != 0.0) margin += value * weightsArray((i * dataWithBiasSize) + index)
      }
      // Intercept is required to be added into margin.
      if (withBias) {
        margin += weightsArray((i * dataWithBiasSize) + dataMatrix.size)
      }
      if (margin > maxMargin) {
        maxMargin = margin
        bestClass = i + 1
      }
      classProbabilities(i+1) = 1.0 / (1.0 + Math.exp(-(margin - maxMargin)))
    }
    return (bestClass.toDouble, classProbabilities)
  }
}

注意，它与原始方法只有轻微的不同，它只是将逻辑计算为输入特征的函数。它还定义了一些val和vars，它们最初是私有的，包含在该方法之外。最后，它将分数索引到一个数组中，并将其与最佳答案一起返回。我像这样调用我的方法:

// Compute raw scores on the test set.
val predictionAndLabelsAndProbabilities = test
  .map { case LabeledPoint(label, features) =>
val (prediction, probabilities) = ClassificationUtility
  .predictPoint(features, model)
(prediction, label, probabilities)}

然而

:

似乎Spark贡献者不鼓励使用MLlib而支持ML。ML逻辑回归API目前不支持多重分类。我现在使用的是OneVsRest，它作为一个对所有分类的包装。我正在进行类似的定制以获得原始分数。

Answer 3

我相信呼叫是myModel.clearThreshold();即没有括号的myModel.clearThreshold失败。请参阅此处的线性SVM示例。