Прогнозируемые вероятности (вероятности классов) из деревьев с градиентным усилением в Spark (версия 1.6.1/1.5.2)

Взяв пример из Возможно ли получить вероятности класса используя GradientBoostedTrees с spark mllib?

Ответ на этот вопрос дан в декабре прошлого года. Я хотел узнать, есть ли что-нибудь в Spark 1.6.1.

Я пытался отредактировать вышеуказанный вопрос, но почему-то этого не произошло.

Мой запрос похож на большинство других алгоритмов в библиотеке Spark mllib, мы можем найти прогнозируемые вероятности. Можем ли мы получить то же самое в Gradient Boosting Trees-Classification(http://spark.apache.org/docs/latest/mllib-ensembles.html#gradient-boosted-trees-vs-random-forests) и изменить порог модели?

Таким образом, я могу изменить порог, чтобы улучшить производительность модели.


apache-spark prediction gbm
person PARTHA TALUKDER    schedule 27.04.2016    source источник
comment
Помимо ответа на ваш первый вопрос, который еще не доступен, я не понимаю, о чем вы просите в остальной части вопроса.   -  person eliasah    schedule 27.04.2016
comment
Спасибо за ваш ответ. Есть ли способ, кроме model.setThreshold(), изменить порог? Я знаю, что это повторяется. Но я ищу это решение, поскольку оно доступно в R.   -  person PARTHA TALUKDER    schedule 27.04.2016
comment
Просто чтобы добавить к вопросу, должны ли мы рассматривать классификацию как проблему регрессии (с ответом по-прежнему двоичным 0 | 1) и получать прогнозируемые значения, которые при необходимости могут быть нормализованы в диапазоне 0-1, будет ли это эффективным индикатором ответа вероятность?   -  person sourabh    schedule 27.04.2016