在 Spark MLlib 中显示具有正确特征名称的决策树答案

【问题标题】：Displaying the decision tree in Spark MLlib with the correct feature names在 Spark MLlib 中显示具有正确特征名称的决策树
【发布时间】：2016-11-06 13:29:42
【问题描述】：

我在 Spark MLLib 中构建决策树

val dt = new DecisionTreeClassifier().setLabelCol("indexedLabel").setFeaturesCol("indexedFeatures").setImpurity(impurity).setMaxBins(maxBins).setMaxDepth(maxDepth)

我是这样显示的：

    val treeModel = model.stages(1).asInstanceOf[DecisionTreeClassificationModel]
println("Learned classification tree model:\n" + treeModel.toDebugString)

结果是带有“特征 X”的树的文本描述，而不是我的数据集的实际特征名称，从而使树无法解释。

任何人都得到了指针来显示具有正确特征名称的树，从而使树的可解释性成为可能？谢谢！！

【问题讨论】：

标签： apache-spark machine-learning decision-tree

【解决方案1】：

Spark ML(lib) 决策树模型（从 1.6.X 版本开始）不包含功能规范。基本上，您的特征列（“indexedFeatures”）是一个双精度数组，其中单个数组元素用作连续拆分阈值。

在关联的DataFrame 对象中有一些可用的功能规范信息。首先，查看“indexedFeatures”列的元数据。如果这还不够，请查看其组成列的元数据等。

JPMML-SparkML 库可用于以 PMML 数据格式导出 Spark ML 管道模型。它的引擎执行一些漂亮的功能规范收集和（重新）构建工作。

【讨论】：

感谢您的回答，您知道如何检查 indexedFeatures 的组成列吗？
如果特征向量是使用VectorAssembler组装的，那么可以通过VectorAssembler#getInputCols()获取组成列的名称。