根据Scala flink中的另一个DataSet过滤DataSet
我试图复制这个python代码：
cond_entropy_x = np.array([entropy(x[y == v]) for v in uy])
其中x和y是向量，并且uy是y例如的唯一值0,1。
在flink中，我有：
val uy = y.distinct.collect
val condHx = for (i ← uy)
yield entropy(x.filterWithBcVariable(y)((_, yy) ⇒ yy == i))然而，它似乎filterWithBcVariable并没有采取任何价值y，它只需要第一个。
我也尝试过：
for (i ← values) yield y.join(x).where(a ⇒ a).equalTo(_ ⇒ i)
但是我的内存耗尽了。
我怎样才能x根据值进行过滤y？
x.zip(y)会有类似的事情，但它不受支持。
有任何想法吗？
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。我提出了一个解决方案，可能不是最好的，但至少它工作。
现在，我没有传递x和y分离DataSets，而是传递一个DataSet[LabeledVector]只有一列：
val xy = input.map(lv ⇒ LabeledVector(lv.label, DenseVector(lv.vector(0))))
然后我传递xy给我的函数：def conditionalEntropy(xy: DataSet[LabeledVector]): Double = {
// Get the label val y = xy map (_.label) // Get probs for the label val p = probs(y).toArray.asBreeze // Get unique values in label val values = y.distinct.collect // Compute Conditional Entropy val condH = for (i ← values) yield entropy(xy.filter(_.label == i)) p.dot(seq2Breeze(condH))}
2019-07-17 23:19:48赞同 展开评论 打赏
问答分类：
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
