如何为 Spark 的 ML 算法提供外部超参数

如何解决如何为 Spark 的 ML 算法提供外部超参数

我有一个 Hadoop 集群,我使用 Spark 和 ALS 算法来计算一些预测。我正在考虑调整超参数以获得更好的预测,但我意识到我不知道如何将这些超参数传递给其他文件 - 带有 ALS 和最终数据集。

    lines = spark.read.text("./als_test_dataset.txt").rdd
    parts = lines.map(lambda row: row.value.split("::"))
    ratingsRDD = parts.map(lambda p: Row(userId=int(p[0]),movieId=int(p[1]),rating=float(p[2]),timestamp=int(p[3])))
    ratings = spark.createDataFrame(ratingsRDD)
    (training,test) = ratings.randomSplit([0.8,0.2])

    als = ALS(maxIter=5,regParam=0.01,userCol="userId",itemCol="movieId",ratingCol="rating",coldStartStrategy="drop")

    param_grid = ParamGridBuilder() \
        .addGrid(als.rank,[10,20,50]) \
        .addGrid(als.regParam,[.01,.1,0.15,0.20]) \
        .addGrid(als.maxIter,[5,10,50]) \
        .build()

    evaluator = RegressionEvaluator(metricName="rmse",labelCol="rating",predictionCol="prediction")

    cv = CrossValidator(estimator=als,estimatorParamMaps=param_grid,evaluator=evaluator,numFolds=10)

    model = cv.fit(training)
    best_model = model.bestModel

best_model 我得到最好的 rankregParammaxIter 和 `RSME,我想将这些信息存储在某个地方。我想到了数据库,以便每天监控性能和 RSME。但是,我还想使用这些参数对生产数据集进行预测。所以,假设我有以下脚本:

    lines = spark.read.text("./als_production_dataset.txt").rdd
    parts = lines.map(lambda row: row.value.split("::"))
    ratingsRDD = parts.map(lambda p: Row(userId=int(p[0]),timestamp=int(p[3])))
    ratings = spark.createDataFrame(ratingsRDD)

    als = ALS(maxIter=BEST_MAX_ITER,regParam=BEST_REG_PARAM,rank=BEST_RANK,coldStartStrategy="drop")

    model = als.fit(ratings)
    model.write().overwrite().save("./model")

问题是:
我应该如何将 rank,regParam,maxIter 从上一个脚本传递给这个脚本?
如果我将它写入数据库并在第二个脚本中读取它。它将被加载到 DataFrame 中,其中...将只包含一行,并且很难将多列中的值分配给多个变量。
如果我决定将它写在 HDFS 上,情况也差不多。而且由于我在集群模式下运行脚本,我不能只在服务器上的文件中写入结果,因为我不知道它将位于哪个节点上。 所以,我想知道传递来自其他地方/来源的超参数(或一般的附加参数)的行业标准是什么。或者书上应该怎么做?

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -> systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-
参考1 参考2 解决方案 # 点击安装源 协议选择 http:// 路径填写 mirrors.aliyun.com/centos/8.3.2011/BaseOS/x86_64/os URL类型 软件库URL 其他路径 # 版本 7 mirrors.aliyun.com/centos/7/os/x86
报错1 [root@slave1 data_mocker]# kafka-console-consumer.sh --bootstrap-server slave1:9092 --topic topic_db [2023-12-19 18:31:12,770] WARN [Consumer clie
错误1 # 重写数据 hive (edu)> insert overwrite table dwd_trade_cart_add_inc > select data.id, > data.user_id, > data.course_id, > date_format(
错误1 hive (edu)> insert into huanhuan values(1,'haoge'); Query ID = root_20240110071417_fe1517ad-3607-41f4-bdcf-d00b98ac443e Total jobs = 1
报错1:执行到如下就不执行了,没有显示Successfully registered new MBean. [root@slave1 bin]# /usr/local/software/flume-1.9.0/bin/flume-ng agent -n a1 -c /usr/local/softwa
虚拟及没有启动任何服务器查看jps会显示jps,如果没有显示任何东西 [root@slave2 ~]# jps 9647 Jps 解决方案 # 进入/tmp查看 [root@slave1 dfs]# cd /tmp [root@slave1 tmp]# ll 总用量 48 drwxr-xr-x. 2
报错1 hive> show databases; OK Failed with exception java.io.IOException:java.lang.RuntimeException: Error in configuring object Time taken: 0.474 se
报错1 [root@localhost ~]# vim -bash: vim: 未找到命令 安装vim yum -y install vim* # 查看是否安装成功 [root@hadoop01 hadoop]# rpm -qa |grep vim vim-X11-7.4.629-8.el7_9.x
修改hadoop配置 vi /usr/local/software/hadoop-2.9.2/etc/hadoop/yarn-site.xml # 添加如下 <configuration> <property> <name>yarn.nodemanager.res