
6
章
ML
パッケージ
93
6
章
ML
パッケージ
前章では、RDDのみを操作の対象とするSparkのMLlibパッケージを使いました。本章では、
DataFrameのみを操作の対象とするSparkのMLパッケージに進みましょう。また、Sparkのド
キュメンテーションによれば、今では Sparkの主たる機械学習 APIは、
spark.ml
パッケージを含む
DataFrame ベースのモデル群になっています。
さあ 、それ では始めましょう!
本章では、前章で扱ったデータセットの一部を再び利用します。このデータは
http://www.
tomdrabas.com/data/LearningPySpark/births_transformed.csv.gz
からダウンロードでき
ます。
本章で学ぶことは次のとおりです。
●
transformer、estimator、パイプラインの準備
●
ML パッケージで利用できるモデルを使った幼児の生存率の予測
●
モデルのパフォーマンスの評価
●
パラメータのハイパーチューニング
●
ML パッケージで利用できる他の機械学習モデルの利用
6.1
ML
パッケージの概要
MLパッケージは、トップレベルの主要な抽象クラスとして
Transformer
、
Estimator
、
Pipeline
の3 つを公開しています。それぞれについては短い例とともにこのあと紹介します。一部の
モデルについては、本章の最後のセクションでさらにしっかりとした例を紹介します。