- pythonbug2021-11-22老师好，房价预测那个例子，我用GBDT试了一下，结果发现比咱们一开始入门那个例子计算出来的rmse还要大。。没有明显变小，树的深度和最大棵数以及阈值都是和您一样的。 其中，预测对比我用的是： val predictions: DataFrame = gbtModel.transform(testData).select("SalePriceInt", "prediction") import org.apache.spark.ml.evaluation.RegressionEvaluator val evaluator = new RegressionEvaluator().setLabelCol("SalePriceInt").setPredictionCol("prediction").setMetricName("rmse") val rmse = evaluator.evaluate(predictions) println("Root Mean Squared Error (RMSE) on test data = " + rmse) 然后代码中我还设置了一个maxBins，不设置会报错。修改后的如下： val gbt = new GBTRegressor() .setLabelCol("SalePriceInt") .setFeaturesCol("indexedFeatures") // 限定每棵树的最大深度 .setMaxDepth(5) // 限定决策树的最大棵树 .setMaxIter(10) .setMaxBins(113) 就是很头疼，怎么用了好的模型，表现还变的糟糕了呢。 非常有兴趣的一直看到这里，突然觉得没有兴趣了。。。麻烦老师看看能不能帮忙指点一下。 全部代码比较长，贴不过来展开
作者回复: 老弟不必沮丧哈，机器学习就是这样，高级玩法试了一圈，发现效果并没有显著提升，有的时候，甚至更差，这个不必郁闷，大家一开始都是这样的~ 根本原因在于，我们对于数据、特征、模型（学习器）之间的本质区别，并没有从根儿上理解到位。咱们这门入门课，机器学习部分，受课程要求所限，篇章太少了，实际上机器学习涉及的方方面面非常多。机器学习，并不是跑个模型，调调参数那么简单，否则的话，算法工程师的工资不会那么高~ 模型效果，80%依赖特征，20%依赖模型选择、调优、调参，等等，我们从线性模型介绍到树模型，实际上，更多的是课程上的需要，为了给大家介绍更多种类型的模型，让大家知道，当需要类似模型和算法的时候，Spark都支持哪些，不支持哪些，从哪里选，怎么用。 但严格来说，并不是复杂模型，就一定比简单模型效果更好，在同一个假设空间，能够完美拟合训练数据的假设有多个，并不是复杂的模型，就是更好的。对于房价预测的例子，其实重中之重还是特征，老弟不妨去文中Kaggle对应的项目，聊一下排名靠前的那些项目，他们大部分都是使用各种“骚操作”来处理、生成特征，反而模型并不复杂。 由于咱们课程定位是入门，所以特征工程的部分，其实更得的，也是介绍方法，Spark MLlib支持哪些，不支持哪些，怎么用，真要用到的时候，怎么选。其实，咱们并没有针对这个项目，去仔细地做特征选择、特征生成，等等，这些非常必要的工作。 所以说，老弟不必气馁，咱们这里效果不好，主要是很多事情其实没多到位，并不是机器学习本身不给力，或是过于缥缈，一起加油哈~
1 
小新2021-12-05老师后面可以出一个详细的ML的课程吗？也是这样的讲解方式。作者回复: 最开始，其实是想出一门Spark MLlib + 机器学习的课程，但是后来跟极客时间商量之后，大家觉得Spark + 机器学习，受众面更小，所以后来改成了基础入门课，也就是咱们现在这门课程《零基础入门Spark》，后面找机会写一些专门针对机器学习的东西吧~
六月的余晖2021-11-12老师后续有计划出Flink的课程吗作者回复: 暂时还没有哈，杂务缠身，时间精力确实有限，等忙过这段时间再说吧，对不住老弟
liangyu2022-12-15 来自美国.setInputCols(numericFields ++ indexFields) 这里一个typo ， numericfields 是没有转换成int的 ，前文用的是numeric features