我想使用Spark.ml中的二进制分类器来评估我的Pipeline之后的模型。我使用以下代码：
val gbt = new GBTClassifier()
.setLabelCol("Label_Index")
.setFeaturesCol("features")
.setMaxIter(10)
.setMaxDepth(7)
.setSubsamplingRate(0.1)
.setMinInstancesPerNode(15)
// Convert indexed labels back to original labels.
val labelConverter = new IndexToString()
.setInputCol("prediction")
.setOutputCol("predictedLabel")
.setLabels(indexer_2.labels)
val evaluator_auc = new BinaryClassificationEvaluator()
.setLabelCol("Label_Index")
.setRawPredictionCol("")
.setMetricName("areaUnderROC")字符串
我真的不知道我需要给予哪些参数给“setRawPredictionCol（）"，我想我需要给予我的预测结果，列“预测”
1条答案
按热度按时间nszi6y051#
也许这个答案可以帮助你。https：//stackoverflow.com/questions/37903288/what-do-columns-rawprediction-and-probability-of-martrame-mean-in-spark-mll#：~：text= rawPrediction%20is%20the%20raw%20output，equal%20to%20that%20of%20rawPrediction%20
对我来说，我使用微软的lightgbm，“rawPrediction”和“probability”的AUC在二进制数据集上的差异小于1 e-15。