菜鸟求助，mahout训练出来的分类模型如何用来分类数据

[Pory]

已经通过mahout中trainlogistic训练出来模型了data.model，想问下如何使用这个模型来分类数据，网上很多使用runlogistic函数的都只是评估模型，我现在要的是使用这个模型，求大神指点下。

[小白鸽]

trainlogistic，没弄过。 找了下这个类。 我看下mahout下代码，是逻辑回归？ 上面说明--“Train a logistic regression for the examples from Chapter 13 of Mahout in Action” 你可以看下mahout下面的org.apache.mahout.classifier.sgd这个包 mahout自带的example里面sgd也有这个说明吧。

[小白鸽]

http://www.tuicool.com/articles/FbQ7Vb6 有没有参考价值donut.csv原数据集，donut-test.csv验证数据集 都能在mahout 下examples/src/resources找到

[Pory]

引用 2 楼 baifanwudi 的回复:

http://www.tuicool.com/articles/FbQ7Vb6 有没有参考价值donut.csv原数据集，donut-test.csv验证数据集 都能在mahout 下examples/src/resources找到

resources下面的数据donut.csv是原始数据集，donut-test.csv验证数据集这两个都是目标变量已经给出了的，我要的就是目标变量没有，然后通过model来求得目标变量，resources下面还有一个test_data.csv这个数据不知道是干什么的，感觉不像是用来生产用的数据。

[小白鸽]

mahout下的逻辑回归只能自己定义好目标向量训练出 评分函数。 如果自定义定义目标变量，这需要因子筛选方法。。 这需要你自己建立2个训练集。 两个训练集是对立的比如好坏，自己定义一个因素，判断这个因子大小是否影响这两个对立集。 如果有影响，才可以把这个因素放入目标变量。 逻辑回归只是把目标向量训练成评分函数。

[Pory]

引用 4 楼 baifanwudi 的回复:

mahout下的逻辑回归只能自己定义好目标向量训练出 评分函数。 如果自定义定义目标变量，这需要因子筛选方法。。 这需要你自己建立2个训练集。 两个训练集是对立的比如好坏，自己定义一个因素，判断这个因子大小是否影响这两个对立集。 如果有影响，才可以把这个因素放入目标变量。 逻辑回归只是把目标向量训练成评分函数。

你好，能不能麻烦你再说详细点呢？而且的出来的这个model里面是什么呢？是逻辑回归函数吗？用notepad++打开都是乱码的。

[小白鸽]

我压根没看你懂你到底要做什么。 tranlogistic训练出的model，mahout喜欢把输出文件弄成序列化，以方便第二次读入。 比如这篇文章 http://www.tuicool.com/articles/FbQ7Vb6 中 ./mahout trainlogistic --input /data/mahout-data/donut.csv --output /data/mahout-output/model2 --target color --categories 2 --predictors x y a b c --types numeric --features 20 --passes 100 --rate 50中的 --output /data/mahout-output/model2就是模型输出文件。 当他进行./mahout runlogistic --input /data/mahout-data/donut-test.csv --model /data/mahout-output/model2 --scores --auc --confusion中利用tranlogistic输出文件。 在输出结果中，scores打印预测值和原始值对比 "target","model-output","log-likelihood" 0,0.009,-0.009241 0,0.000,-0.000481 1,0.985,-0.015038 1,0.991,-0.009407 0,0.001,-0.000883 1,0.974,-0.026000 1,0.823,-0.194875 0,0.041,-0.042015 在runlogistic.java中看它score输出那个行 if (showScores) { output.printf(Locale.ENGLISH, "\"%s\",\"%s\",\"%s\"\n", "target", "model-output", "log-likelihood"); } 。。。 if (showScores) { output.printf(Locale.ENGLISH, "%d,%.3f,%.6f\n", target, score, lr.logLikelihood(target, v)); } 如果你只要用model评分结果，只要改写下output只打印出score就行了。target表示数据test原始值，score表示你利用模型评分出来的。 runlogstic.java开头有 LogisticModelParameters lmp = LogisticModelParameters.loadFrom(new File(modelFile)); 这个就是导入你利用ranlogistic的model。 ===================================================================== 如果你想怎么donut.csv中x，y，a,b,为什么选这些因素， 因为他测试模型利用x y a b c预测color因素的。 这个需要你自己建立筛选因子，来圈定预测变量因素。那个比方判断苹果是否难吃标准，是否烂了这个因素，可以当做评判标准，烂了肯定不好吃。但是苹果大小这个因素，肯定不能当判断标准，不是苹果小就难吃了。 这就意味着，判断苹果好吃，需要有特定因素。 如果你想圈定特定因素，需要百度 筛选因子评分模型。 ======================================== mahout只能根据你已经筛选后的因子，已经收集的变量值，评估预测变量。 也就是trainlogistic建立模型， runlogistic评估模型（其实已经包含评估分数，已经输出了）。 ========================================= mahout下逻辑回归没怎么用过，再问就不懂了。

[Pory]

引用 6 楼 baifanwudi 的回复:

我压根没看你懂你到底要做什么。 tranlogistic训练出的model，mahout喜欢把输出文件弄成序列化，以方便第二次读入。 比如这篇文章 http://www.tuicool.com/articles/FbQ7Vb6 中 ./mahout trainlogistic --input /data/mahout-data/donut.csv --output /data/mahout-output/model2 --target color --categories 2 --predictors x y a b c --types numeric --features 20 --passes 100 --rate 50中的 --output /data/mahout-output/model2就是模型输出文件。 当他进行./mahout runlogistic --input /data/mahout-data/donut-test.csv --model /data/mahout-output/model2 --scores --auc --confusion中利用tranlogistic输出文件。 在输出结果中，scores打印预测值和原始值对比 "target","model-output","log-likelihood" 0,0.009,-0.009241 0,0.000,-0.000481 1,0.985,-0.015038 1,0.991,-0.009407 0,0.001,-0.000883 1,0.974,-0.026000 1,0.823,-0.194875 0,0.041,-0.042015 在runlogistic.java中看它score输出那个行 if (showScores) { output.printf(Locale.ENGLISH, "\"%s\",\"%s\",\"%s\"\n", "target", "model-output", "log-likelihood"); } 。。。 if (showScores) { output.printf(Locale.ENGLISH, "%d,%.3f,%.6f\n", target, score, lr.logLikelihood(target, v)); } 如果你只要用model评分结果，只要改写下output只打印出score就行了。target表示数据test原始值，score表示你利用模型评分出来的。 runlogstic.java开头有 LogisticModelParameters lmp = LogisticModelParameters.loadFrom(new File(modelFile)); 这个就是导入你利用ranlogistic的model。 ===================================================================== 如果你想怎么donut.csv中x，y，a,b,为什么选这些因素， 因为他测试模型利用x y a b c预测color因素的。 这个需要你自己建立筛选因子，来圈定预测变量因素。那个比方判断苹果是否难吃标准，是否烂了这个因素，可以当做评判标准，烂了肯定不好吃。但是苹果大小这个因素，肯定不能当判断标准，不是苹果小就难吃了。 这就意味着，判断苹果好吃，需要有特定因素。 如果你想圈定特定因素，需要百度 筛选因子评分模型。 ======================================== mahout只能根据你已经筛选后的因子，已经收集的变量值，评估预测变量。 也就是trainlogistic建立模型， runlogistic评估模型（其实已经包含评估分数，已经输出了）。 ========================================= mahout下逻辑回归没怎么用过，再问就不懂了。

多谢了，讲的已经够清楚了。

[qq_36713060]

请问楼主知道如何使用模型进行分类了吗

[Dencin1989]

楼主，我也碰到和你一样的问题，训练出来的模型 不知道怎么使用。看了官方文档，也只介绍了训练 和 测试。