我试图获得Spark LDA模型的困惑和对数可能性(Spark 2.1)。下面的代码不起作用(方法logLikNathan
和logPerplexity
未找到),尽管我可以保存模型。
from pyspark.mllib.clustering import LDA
from pyspark.mllib.linalg import Vectors
# construct corpus
# run LDA
ldaModel = LDA.train(corpus, k=10, maxIterations=10)
logll = ldaModel.logLikelihood(corpus)
perplexity = ldaModel.logPerplexity(corpus)
请注意,这些方法不会提供dir(LDA)
。
一个有效的例子是什么?
我可以参加训练,但不适合LDA“对象没有“适合”属性
这是因为您使用的是旧的、基于RDD的API(MLlib),即。
from pyspark.mllib.clustering import LDA # WRONG import
其LDA
类确实不包括fi
,logLikNathan
或logPerplexity
方法。
为了使用这些方法,您应该切换到新的、基于数据帧的API(ML):
from pyspark.ml.clustering import LDA # NOTE: different import
# Loads data.
dataset = (spark.read.format("libsvm")
.load("data/mllib/sample_lda_libsvm_data.txt"))
# Trains a LDA model.
lda = LDA(k=10, maxIter=10)
model = lda.fit(dataset)
ll = model.logLikelihood(dataset)
lp = model.logPerplexity(dataset)