33、使用 Bokeh - Scala 进行数据可视化与机器学习基础

使用 Bokeh - Scala 进行数据可视化与机器学习基础

1. 引言

在数据处理过程中，可视化和机器学习是两个重要的环节。可视化能够帮助我们直观地理解数据，而机器学习则能让我们从数据中挖掘出有价值的信息。接下来，我们将分别介绍如何使用 Bokeh - Scala 进行数据可视化，以及机器学习中的一些基本概念和方法。

2. 使用 Bokeh - Scala 创建散点图

虽然 Zeppelin 能快速执行 Spark SQL 并可视化数据，但它仍在不断发展。这里我们将介绍 Python 中流行的可视化框架 Bokeh 及其 Scala 绑定。Breeze 也有可视化 API，但目前维护不活跃，暂不讨论。

Bokeh 由 BokehJS 支持，其 Scala 绑定库（bokeh - scala）能将 Scala 对象转换为 BokehJS 可理解的图形格式。不过，Bokeh - Scala 绑定还在发展中，有时比 Python 版本更繁琐，但仍能创建出出色的图形。

2.1 数据准备

我们使用鸢尾花数据（https://archive.ics.uci.edu/ml/datasets/Iris）创建散点图。为了用 Breeze 矩阵表示数据，将鸢尾花品种类别转换为数字：
- Iris setosa: 0
- Iris versicolor: 1
- Iris virginica: 2

这些数据存储在 irisNumeric.csv 中。

Bokeh 绘图要求数据为特定格式，我们创建继承自 ColumnDataSource 的对象：