小编给大家分享一下 spark mllib分类之如何支持向量机，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！
成都创新互联公司长期为数千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为富拉尔基企业提供专业的成都网站设计、成都做网站，富拉尔基网站改版等技术服务。拥有10余年丰富建站经验和众多成功案例,为您定制开发。
肾细胞癌转移情况(有转移 y=1,无转移 y=2) x1:确诊时患者年龄(岁) x2:肾细胞癌血管内皮生长因子(VEGF),其阳性表述由低到高共３个等级 x3:肾细胞癌组织内微血管数(MVC) x4:肾癌细胞核组织学分级，由低到高共４级 x5:肾细胞癌分期，由低到高共４级 y x1 x2 x3 x4 x50 59 2 43.4 2 1
package spark.logisticRegression
import org.apache.spark.mllib.classification.{SVMWithSGD}
import org.apache.spark.mllib.evaluation.MulticlassMetrics
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkConf, SparkContext}
/**
* MLLib分类，逻辑回归，是分类，不是回归
* 支持向量机分析胃癌转移判断
* Created by eric on 16-7-17.
*/
object SVMTest {
val conf = new SparkConf() //创建环境变量
.setMaster("local") //设置本地化处理
.setAppName("LogisticRegression4") //设定名称
val sc = new SparkContext(conf)
def main(args: Array[String]) {
val data = MLUtils.loadLibSVMFile(sc, "./src/main/spark/logisticRegression/wa.txt") //读取数据文件,一定注意文本格式
val splits = data.randomSplit(Array(0.7, 0.3), seed = 11L) //对数据集切分
val parsedData = splits(0) //分割训练数据
val parseTtest = splits(1) //分割测试数据
val model = SVMWithSGD.train(parsedData,50) //训练模型
val predictionAndLabels = parseTtest.map { //计算测试值
case LabeledPoint(label, features) => //计算测试值
val prediction = model.predict(features) //计算测试值
(prediction, label) //存储测试和预测值
}
val metrics = new MulticlassMetrics(predictionAndLabels) //创建验证类
val precision = metrics.precision //计算验证值
println("Precision = " + precision) //打印验证值
val patient = Vectors.dense(Array(70,3,180.0,4,3)) //计算患者可能性
if(patient == 1) println("患者的胃癌有几率转移。") //做出判断
else println("患者的胃癌没有几率转移。") //做出判断
//Precision = 0.5555555555555556
//患者的胃癌没有几率转移。
}
}0 1:59 2:2 3:43.4 4:2 5:1 0 1:36 2:1 3:57.2 4:1 5:1 0 1:61 2:2 3:190 4:2 5:1 1 1:58 2:3 3:128 4:4 5:3 1 1:55 2:3 3:80 4:3 5:4 0 1:61 2:1 3:94 4:4 5:2 0 1:38 2:1 3:76 4:1 5:1 0 1:42 2:1 3:240 4:3 5:2 0 1:50 2:1 3:74 4:1 5:1 0 1:58 2:2 3:68.6 4:2 5:2 0 1:68 2:3 3:132.8 4:4 5:2 1 1:25 2:2 3:94.6 4:4 5:3 0 1:52 2:1 3:56 4:1 5:1 0 1:31 2:1 3:47.8 4:2 5:1 1 1:36 2:3 3:31.6 4:3 5:1 0 1:42 2:1 3:66.2 4:2 5:1 1 1:14 2:3 3:138.6 4:3 5:3 0 1:32 2:1 3:114 4:2 5:3 0 1:35 2:1 3:40.2 4:2 5:1 1 1:70 2:3 3:177.2 4:4 5:3 1 1:65 2:2 3:51.6 4:4 5:4 0 1:45 2:2 3:124 4:2 5:4 1 1:68 2:3 3:127.2 4:3 5:3 0 1:31 2:2 3:124.8 4:2 5:3
看完了这篇文章，相信你对“ spark mllib分类之如何支持向量机”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！
