scala 混交矩阵 向量机

混淆矩阵（Confusion Matrix）是用于衡量分类器性能的重要指标，它展示了分类器在测试数据集上的分类结果。混淆矩阵是一个二维矩阵，其中每行代表预测的类别，每列代表实际的类别，矩阵的每个元素则表示分类器将某个实例预测为某个类别的次数。

在 Scala 中，你可以使用 Spark MLlib 中提供的混淆矩阵类 `MulticlassMetrics` 来计算混淆矩阵。下面是一个简单的示例代码：

import org.apache.spark.mllib.evaluation.MulticlassMetrics
import org.apache.spark.rdd.RDD

// 假设 predictions 是一个 RDD，其中每个元素是一个 (predictedLabel: Double, trueLabel: Double) 的元组
val metrics = new MulticlassMetrics(predictions)

// 获取混淆矩阵
val confusionMatrix = metrics.confusionMatrix

// 输出混淆矩阵
println(s"Confusion matrix:\n${confusionMatrix.toString}")

在向量机（Support Vector Machine，SVM）中，它是一种常见的分类算法，可以用于解决二分类和多分类问题。在 Scala 中，你可以使用 Spark MLlib 中提供的 SVM 类来构建 SVM 模型。下面是一个简单的示例代码：

import org.apache.spark.mllib.classification.{SVMModel, SVMWithSGD}
import org.apache.spark.mllib.util.MLUtils

// 加载训练数据
val data = MLUtils.loadLibSVMFile(sc, "data/mllib/sample_libsvm_data.txt")

// 将数据分为训练集和测试集
val splits = data.randomSplit(Array(0.6, 0.4), seed = 11L)
val training = splits(0).cache()
val test = splits(1)

// 训练 SVM 模型
val numIterations = 100
val model = SVMWithSGD.train(training, numIterations)

// 在测试集上进行预测
val predictions = model.predict(test.map(_.features))

// 评估模型性能
val labelsAndPredictions = test.map { point =>
  val prediction = model.predict(point.features)
  (point.label, prediction)
}
val metrics = new MulticlassMetrics(labelsAndPredictions)
val accuracy = metrics.accuracy
println(s"Test accuracy: $accuracy")

上述示例代码中，我们首先加载了一个 SVM 样例数据集，然后将数据集分为训练集和测试集。接着，我们使用 SVMWithSGD 类训练了一个 SVM 模型，并使用该模型对测试集进行预测。最后，我们使用 MulticlassMetrics 类计算模型的准确率。