spark上运行xgboost-scala接口

概述
xgboost可以在spark上运行，我用的xgboost的版本是0.7的版本，目前只支持spark2.0以上版本上运行,

编译好jar包，加载到maven仓库里面去：

mvn install:install-file -Dfile=xgboost4j-spark-0.7-jar-with-dependencies.jar -DgroupId=ml.dmlc -DartifactId=xgboost4j-spark -Dversion=0.7 -Dpackaging=jar

添加依赖:
<dependency>
           <groupId>ml.dmlc</groupId>
           <artifactId>xgboost4j-spark</artifactId>
           <version>0.7</version>
       </dependency>
       <dependency>
           <groupId>org.apache.spark</groupId>
           <artifactId>spark-core_2.10</artifactId>
           <version>2.0.0</version>
       </dependency>
       <dependency>
           <groupId>org.apache.spark</groupId>
           <artifactId>spark-mllib_2.10</artifactId>
           <version>2.0.0</version>
       </dependency>
   </dependencies>

RDD接口：

package com.meituan.spark_xgboost
import org.apache.log4j.{ Level, Logger }
import org.apache.spark.{ SparkConf, SparkContext }
import ml.dmlc.xgboost4j.scala.spark.XGBoost
import org.apache.spark.sql.{ SparkSession, Row }
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.ml.feature.LabeledPoint
import org.apache.spark.ml.linalg.Vectors
object XgboostR {

def main(args: Array[String]): Unit = {
Logger.getLogger("org.apache.spark").setLevel(Level.ERROR)
Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.OFF)
val spark = SparkSession.builder.master("local").appName("example").
config("spark.sql.warehouse.dir", s"file:///Users/shuubiasahi/Documents/spark-warehouse").
config("spark.sql.shuffle.partitions", "20").getOrCreate()
spark.conf.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
val path = "/Users/shuubiasahi/Documents/workspace/xgboost/demo/data/"
val trainString = "agaricus.txt.train"
val testString = "agaricus.txt.test"
val train = MLUtils.loadLibSVMFile(spark.sparkContext, path + trainString)
val test = MLUtils.loadLibSVMFile(spark.sparkContext, path + testString)
val traindata = train.map { x =>
val f = x.features.toArray
val v = x.label
LabeledPoint(v, Vectors.dense(f))
}
val testdata = test.map { x =>
val f = x.features.toArray
val v = x.label
Vectors.dense(f)
}


val numRound = 15

//"objective" -> "reg:linear", //定义学习任务及相应的学习目标
//"eval_metric" -> "rmse", //校验数据所需要的评价指标用于做回归

val paramMap = List(
"eta" -> 1f,
"max_depth" ->5, //数的最大深度。缺省值为6 ,取值范围为：[1,∞]
"silent" -> 1, //取0时表示打印出运行时信息，取1时表示以缄默方式运行，不打印运行时信息。缺省值为0
"objective" -> "binary:logistic", //定义学习任务及相应的学习目标
"lambda"->2.5,
"nthread" -> 1 //XGBoost运行时的线程数。缺省值是当前系统可以获得的最大线程数
).toMap
println(paramMap)


val model = XGBoost.trainWithRDD(traindata, paramMap, numRound, 55, null, null, useExternalMemory = false, Float.NaN)
print("sucess")

val result=model.predict(testdata)
result.take(10).foreach(println)
spark.stop();

}

}

DataFrame接口：
package com.meituan.spark_xgboost
import org.apache.log4j.{ Level, Logger }
import org.apache.spark.{ SparkConf, SparkContext }
import ml.dmlc.xgboost4j.scala.spark.XGBoost
import org.apache.spark.mllib.evaluation.BinaryClassificationMetrics
import org.apache.spark.sql.{ SparkSession, Row }
object XgboostD {
def main(args: Array[String]): Unit = {
Logger.getLogger("org.apache.spark").setLevel(Level.ERROR)
Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.OFF)
val spark = SparkSession.builder.master("local").appName("example").
config("spark.sql.warehouse.dir", s"file:///Users/shuubiasahi/Documents/spark-warehouse").
config("spark.sql.shuffle.partitions", "20").getOrCreate()
spark.conf.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
val path = "/Users/shuubiasahi/Documents/workspace/xgboost/demo/data/"
val trainString = "agaricus.txt.train"
val testString = "agaricus.txt.test"

val train = spark.read.format("libsvm").load(path + trainString).toDF("label", "feature")

val test = spark.read.format("libsvm").load(path + testString).toDF("label", "feature")

val numRound = 15

//"objective" -> "reg:linear", //定义学习任务及相应的学习目标
//"eval_metric" -> "rmse", //校验数据所需要的评价指标用于做回归

val paramMap = List(
"eta" -> 1f,
"max_depth" -> 5, //数的最大深度。缺省值为6 ,取值范围为：[1,∞]
"silent" -> 1, //取0时表示打印出运行时信息，取1时表示以缄默方式运行，不打印运行时信息。缺省值为0
"objective" -> "binary:logistic", //定义学习任务及相应的学习目标
"lambda" -> 2.5,
"nthread" -> 1 //XGBoost运行时的线程数。缺省值是当前系统可以获得的最大线程数
).toMap
val model = XGBoost.trainWithDataFrame(train, paramMap, numRound, 45, obj = null, eval = null, useExternalMemory = false, Float.NaN, "feature", "label")
val predict = model.transform(test)

val scoreAndLabels = predict.select(model.getPredictionCol, model.getLabelCol)
.rdd
.map { case Row(score: Double, label: Double) => (score, label) }

//get the auc
val metric = new BinaryClassificationMetrics(scoreAndLabels)
val auc = metric.areaUnderROC()
println("auc:" + auc)

}

}

---------------------
作者：旭旭_哥
来源：CSDN
原文：https://blog.csdn.net/luoyexuge/article/details/71422270
版权声明：本文为博主原创文章，转载请附上博文链接！

spark上运行xgboost-scala接口相关推荐

xgboost之spark上运行-scala接口
概述 xgboost可以在spark上运行,我用的xgboost的版本是0.7的版本,目前只支持spark2.0以上版本上运行, 编译好jar包,加载到maven仓库里面去: mvn install: ...
在Spark上运行WordCount程序
1.编写程序代码如下: Wordcount.scala package Wordcount import org.apache.spark.SparkConf import org.apache.sp ...
Flink学习笔记04：将项目打包提交到Flink集群上运行（Scala版）
文章目录一.创建Maven项目 - ScalaWordCount 三.利用mvn命令打包Maven项目三.上传项目jar包到Flink集群主节点四.启动Flink Standalone集群五. ...
Intellij IDEA使用Maven搭建spark开发环境（scala）
如何一步一步地在Intellij IDEA使用Maven搭建spark开发环境,并基于scala编写简单的spark中wordcount实例. 1.准备工作首先需要在你电脑上安装jdk和scala ...
hortonworks_具有在IBM POWER8上运行的Hortonworks Data Platform（HDP）的SAS软件
Hadoop的SAS / ACCESS接口 Hadoop的SAS / ACCESS接口提供了访问SAS本机中Hadoop中存储的数据集的功能. 通过SAS / ACCESS到Hadoop: LIBNA ...
Spark利用（idea+maven+scala）创建wordcount打包jar并在spark on yarn上运行——Spark的开发
今天的你不付昨天的辛苦,今天的辛苦定会拥抱明日的幸福, 每一次的成长,都要给自己以鼓励,每一次的突破,都给自己以信心,万花丛中我不是最美,但我有我的自信 ------------送给一直努力的你今天 ...
在local模式下的spark程序打包到集群上运行
一.前期准备前期的环境准备,在Linux系统下要有Hadoop系统,spark伪分布式或者分布式,具体的教程可以查阅我的这两篇博客: Hadoop2.0伪分布式平台环境搭建 Spark2.4.0伪分 ...
spark在集群上运行
1.spark在集群上运行应用的详细过程 (1)用户通过spark-submit脚本提交应用 (2)spark-submit脚本启动驱动器程序,调用用户定义的main()方法 (3)驱动器程序与集群管 ...
DolphiScheduler平台上运行spark程序时，外部参数设置
DolphiScheduler平台上运行spark程序时,外部参数设置近期使用DS平台执行spark程序,遇到了部分参数设置的问题,代码中需要外部传入一个参数procDate(处理日期),具体设置如 ...

spark上运行xgboost-scala接口

spark上运行xgboost-scala接口相关推荐

最新文章

热门文章