FlinkML 0.10.1使用稀疏向量进行训练的多元线性回归

Question

全,

我正在尝试通过如下所述的线性回归来测试Flink ML 0.10.1：

https://ci.apache.org/projects/flink/flink-docs-master/libs/ml/multiple_linear_regression.html

我正在使用SparseVectors而不是DenseVector，但是在尝试训练模型时遇到了这个问题：

java.lang.IllegalArgumentException: axpy only supports adding to a dense vector but got type class org.apache.flink.ml.math.SparseVector.
    at org.apache.flink.ml.math.BLAS$.axpy(BLAS.scala:60)
    at org.apache.flink.ml.optimization.GradientDescent$$anonfun$org$apache$flink$ml$optimization$GradientDescent$$SGDStep$2.apply(GradientDescent.scala:181)
    at org.apache.flink.ml.optimization.GradientDescent$$anonfun$org$apache$flink$ml$optimization$GradientDescent$$SGDStep$2.apply(GradientDescent.scala:177)
    at org.apache.flink.api.scala.DataSet$$anon$7.reduce(DataSet.scala:583)
    at org.apache.flink.runtime.operators.chaining.ChainedAllReduceDriver.collect(ChainedAllReduceDriver.java:93)
    at org.apache.flink.runtime.operators.MapDriver.run(MapDriver.java:97)
    at org.apache.flink.runtime.operators.BatchTask.run(BatchTask.java:489)
    at org.apache.flink.runtime.iterative.task.AbstractIterativeTask.run(AbstractIterativeTask.java:144)
    at org.apache.flink.runtime.iterative.task.IterationIntermediateTask.run(IterationIntermediateTask.java:92)
    at org.apache.flink.runtime.operators.BatchTask.invoke(BatchTask.java:354)
    at org.apache.flink.runtime.taskmanager.Task.run(Task.java:584)
    at java.lang.Thread.run(Thread.java:745)

FlinkML MLG不支持SparseVectors吗？

Answer 1

问题是GradientDescent实现要求梯度向量的和是密集的。这不是一个很强的限制，因为对一组稀疏向量求和的结果不必再次稀疏。此外，将第一个梯度向量转换为密集向量，然后向其添加以下稀疏梯度向量通常比一直添加2个稀疏向量更有效。

我已经打开了一个pull request来解决这个问题。它应该会在接下来的几天内合并。

Answer 2

我检查了源码，看起来是这样的。这里有一个对类型的显式检查，如果左边的向量是稀疏的，就会产生这个错误。代码真的很难看，所以它可能只是一个临时版本，随着时间的推移会得到改进。你应该在邮件列表中指出它，或者在JIRA上打开一个问题。