val model = DecisionTree.trainClassifier(trainData,2, Map[Int, Int](), impurity, maxDepth, maxBins) 在决策树回归分析参数设置中: 使用DecisionTree.trainRegressor,无numClasses参数,而且,这里是共有impurity, maxDepth, maxBins这3个参数。 将impurity固定为variance 见 Hadoop+Spark大数据巨量分析与机器学习...
根据错误提示信息,需要将输入Tensor的形状修改为3D张量(batch_size, sequence_length, embedding_dim)。在这里,我们需要在Transformer层之前添加一个Reshape层来改变输入的形状。 同时,在Transformer中使用MultiHeadAttention时需要注意设置正确的mask参数,避免出现维度不匹配的问题。可以尝试设置一个全1的mask来解决这个问题。
val model = DecisionTree.trainClassifier(trainData,2, Map[Int, Int](), impurity, maxDepth, maxBins) 在决策树回归分析参数设置中: 使用DecisionTree.trainRegressor,无numClasses参数,而且,这里是共有impurity, maxDepth, maxBins这3个参数。 将impurity固定为variance 见 Hadoop+Spark大数据巨量分析与机器学习...