Spark - MLlib 线性回归截距和权重 NaN [重复]

Question

我尝试使用一些自定义数据在 Spark 上构建回归模型，并且截距和权重始终为 nan。 这是我的数据：

data = [LabeledPoint(0.0, [27022.0]), LabeledPoint(1.0, [27077.0]), LabeledPoint(2.0, [27327.0]), LabeledPoint(3.0, [27127.0])]

输出：

(weights=[nan], intercept=nan)  

但是，如果我使用这个数据集（取自 Spark 示例），它会返回一个非 nan 权重和截距。

data = [LabeledPoint(0.0, [0.0]), LabeledPoint(1.0, [1.0]), LabeledPoint(3.0, [2.0]),LabeledPoint(2.0, [3.0])]

输出：

(weights=[0.798729902914], intercept=0.3027117101297481) 

这是我当前的代码

model = LinearRegressionWithSGD.train(sc.parallelize(data), intercept=True)

我错过了什么吗？是因为我数据上的数字那么大吗？这是我第一次使用 MLlib，所以我可能会遗漏一些细节。

谢谢

Answer 1

MLlib 线性回归基于 SGD，因此您需要调整迭代和步长，请参阅 https://spark.apache.org/docs/latest/mllib-optimization.html。

我像这样尝试了您的自定义数据，并得到了一些结果（在 scala 中）：

val numIterations = 20
val model = LinearRegressionWithSGD.train(sc.parallelize(data), numIterations)