小编给大家分享一下spark mllib中决策树优缺点是什么，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
成都创新互联公司成立于2013年，我们提供高端重庆网站建设公司、成都网站制作公司、网站设计、网站定制、网络营销推广、成都小程序开发、微信公众号开发、网站推广服务，提供专业营销思路、内容策划、视觉设计、程序开发来完成项目落地，为搬家公司企业提供源源不断的流量和订单咨询。
可以生成可以理解的规则。
计算量相对来说不是很大。
可以处理连续和种类字段。
决策树可以清晰的显示哪些字段比较重要
对连续性的字段比较难预测。
对有时间顺序的数据，需要很多预处理的工作。
当类别太多时，错误可能就会增加的比较快。
一般的算法分类的时候，只是根据一个字段来分类。
| 出去玩 | 温度 | 起风 | 下雨 | 湿度 |
| 1 | 1 | 0 | 0 | 1 |
| 0 | 1 | 0 | 1 | 1 |
| 0 | 0 | 1 | 0 | 0 |
| 1 | 1 | 1 | 0 | 0 |
| 1 | 1 | 0 | 0 | 0 |
| 1 | 1 | 1 | 0 | 0 |
package spark.DT
import org.apache.spark.mllib.tree.DecisionTree
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkContext, SparkConf}
/**
* 决策树使用案例－出去玩
* **********************************决策树********************************
* 决策树是一种监督学习，监督学习，就是给定一对样本，每个样本都有一组属性和一个类别，
* 这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给
* 出正确的分类．其原理是：从一组无序无规则的因素中归纳总结出符合要求的分类规则．
*
* 决策树算法基础：信息熵，ID3
* 信息熵：对事件中不确定的信息的度量．一个事件或属性中，其信息熵越大，含有的不确定信
* 息越大，对数据分析的计算也越有益．故，信息熵的选择总是选择当前事件中拥有最高
* 信息熵的那个属性作为待测属性．
* ID3：一种贪心算法，用来构造决策树．以信息熵的下降速度作为测试属性的标准，即在每个
* 节点选取还尚未被用来划分的，具有最高信息增益的属性作为划分标准，然后继续这个过程，
* 直到生成的决策树能完美分类训练样例．
*
* 使用场景：任何一个只要符合 key-value 模式的分类数据都可以根据决策树进行推断．
*
* 决策树用来预测的对象是固定的，丛根到叶子节点的一条特定路线就是一个分类规则，决定
* 一个分类算法和结果．
*
* **********************************决策树********************************
* Created by eric on 16-7-19.
*/
object DT {
val conf = new SparkConf() //创建环境变量
.setMaster("local") //设置本地化处理
.setAppName("ZombieBayes") //设定名称
val sc = new SparkContext(conf)
def main(args: Array[String]) {
val data = MLUtils.loadLibSVMFile(sc, "./src/main/spark/DT/DTree.txt")
val numClasses = 2//分类数量
val categorycalFeaturesInfo = Map[Int, Int]()//设定输入格式
val impurity = "entropy" //设定信息增益计算方式
val maxDepth = 5 //最大深度
val maxBins = 3 //设定分割数据集
val model = DecisionTree.trainClassifier(
data,//输入数据集
numClasses,//分类数量，本例只有出去，不出去，共两类
categorycalFeaturesInfo,// 属性对格式，这里是单纯的键值对
impurity,//计算信息增益形式
maxDepth,// 树的高度
maxBins//能够分裂的数据集合数量
)
println(model.topNode)
println(model.numNodes)//5
println(model.algo)//Classification
}
}DTree.txt
1 1:1 2:0 3:0 4:1 0 1:1 2:0 3:1 4:1 0 1:0 2:1 3:0 4:0 1 1:1 2:1 3:0 4:0 1 1:1 2:0 3:0 4:0 1 1:1 2:1 3:0 4:0
id = 1, isLeaf = false, predict = 1.0 (prob = 0.6666666666666666), impurity = 0.9182958340544896, split = Some(Feature = 0, threshold = 0.0, featureType = Continuous, categories = List()), stats = Some(gain = 0.31668908831502096, impurity = 0.9182958340544896, left impurity = 0.0, right impurity = 0.7219280948873623)
5
Classification
看完了这篇文章，相信你对“spark mllib中决策树优缺点是什么”有了一定的了解，如果想了解更多相关知识，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
