首頁技術文章正文

Spark Mllib分層抽樣操作步驟

更新時間:2021-01-29 來源:黑馬程序員 瀏覽量:

1577370495235_學IT就到黑馬程序員.gif

分層抽樣法也叫類型抽樣法,它是先將總體樣本按照某種特征分為若干次級(層),然后再從每一一層內進行獨立取樣,組成一個樣本的統(tǒng)計學計算方法。例如,某手機生產廠家估算當地潛在用戶,可以將當地居民消費水平作為分層基礎,減少樣本中的誤差,如果不采取分層抽樣,僅在消費水平較高的用戶中做調查,就不能準確地估算出潛在的用戶。接下來,通過Spark-Shell演示分層抽樣方法,具體代碼如下。

#創(chuàng)建鍵值對RDD

scala>val data =sc.parallelize(

Seg((1, 'a'), (1, 'b'), (2,'c'), (2, 'a'), (2, 'e'), (3, 'f1))#設定抽樣格式

scala>val fractions =Map(1->0.1, 2->0.6,3->0.3)

并從每層獲取抽樣樣本

scala> val approxSample =

data . sampleByKey (withReplacementfalse, fractions = fractions)并從每層獲取精確樣本

scala> val exactSample=

中招eyeyse otheptacee -fale, fractoo -ractoes#打印抽樣樣本

scala> approxsample.foreach (printin)

(2,e)

#打印精確樣本

scala> exactsample. frech(printn)

(2,d)

(3,f)

(1,b)

(2,c)

在上述代碼中用到了兩種3分層抽樣方法.其中sampleByKey()方法需要作用于一 一個鍵值對數組,其中Rroy用于分類Velu可以是任雅值,然后通過r.歌徒父分關茶件有收.K條件的采樣比例1.0代表被率為o,qaun機農物物鮮光否sppyeyExrn)方法會對全量數據做采樣計算。對于每個類別,都會產生(k.n)個樣本,其中Ak是鍵為factos的Key的樣本類別采樣的比例:nk是Key所擁有的樣本數。sampleByKeyExtra采樣的結果會更準確,有99.9%的置信度,但耗費的計算資源也更多。

1611902819984_分層抽樣.gif

sampleByKey()方法和sampleByKeyExact()方法的區(qū)別在于sampleByKey()方法每次都得通過給定的概率以-種類似于擲硬幣的方式來決定這個觀察值是否被放入樣本,因此-遍就可以過濾完所有數據,最后得到一個近似大小的樣本,但往往并不夠準確。 



猜你喜歡: 

Spark SQL用法建議【大數據文章】

Spark發(fā)展史:讓你了解是什么Spark?

黑馬程序員大數據培訓

分享到:
在線咨詢 我要報名
和我們在線交談!