разные модели pySpark MLLib дают одинаковую точность

Question

Цель состоит в том, чтобы получить точность для каждой модели, чтобы показать, что точность улучшается каждый раз, когда мы улучшаем число наблюдений.Я должен использовать SVMWithSGD для тренировочных данных.

Проблема в том, что я всегда получаю одинаковую точность.

ОС: Linux 4.15.0-46-generic (gcc version 7.3.0 (Ubuntu 7.3.0-16ubuntu3))
Java: java version 1.8.2_201
Python: python 3.6.7 :: Anaconda, Inc..
Анаконда: Conda 4.5.11
Искра: spark-2.4.0-bin-hadoop-2.7

#!usr/bin/env python3
#-*- coding:utf-8 -*-

from pyspark import SparkContext
from pyspark.mllib.classification import SVMWithSGD, SVMModel
from pyspark.mllib.regression import LabeledPoint

def parseTestLP(line):
    return LabeledPoint(line[1][0], line[1][1])

def parseTrainLP(line):
    return (line[0], (LabeledPoint(line[0], line[1][1])))

def main():
    sc = SparkContext(master='local[6]')

    rdd = sc.textFile('features', minPartitions=6)\
        .map(lambda line: line.split(','))\
        .map(lambda x: (x[0]+x[1], (1.0 if x[0].startswith('yorkshire_terrier')\
         else 0.0, list(map(float, x[2:])))))
    rdd.persist()

    rddTrainBase = rdd.map(lambda x: (x[1][0], (x[0], x[1][1])))\
        .sampleByKey(False, {0.0: 0.8, 1.0: 0.8})
    rddTrainBase.persist()

    rddTrainToSubtract = rddTrainBase.map(lambda x: (x[1][0], (x[0], x[1][1])))
    rddTest = rdd.subtractByKey(rddTrainToSubtract)
    rddTestLP = rddTest.map(parseTestLP)
    rddTestLP.persist()
    dataTestCount = rddTestLP.count()
    testNumber = dataTestCount

    rddTrainToSamp = rddTrainBase.map(parseTrainLP)

    iterList = [0.05, 0.3]
    dico = {}

    for part in iterList:
        rddTrainSampled = rddTrainToSamp.sampleByKey(False, {0.0: part, 1.0: part})
        rddTrainToModel = rddTrainSampled.map(lambda x: x[1])
        dataTrainCount = rddTrainToModel.count()
        obsNumber = dataTrainCount
        model = SVMWithSGD.train(rddTrainToModel, iterations=5)
        labsP = rddTestLP.map(lambda p: (p.label, model.predict(p.features)))
        accuracy = labsP.filter(lambda lp: lp[0] == lp[1]).count() / float(testNumber)
        dico[obsNumber]=accuracy

    print(dico)

if __name__ == "__main__":
    main()

Я ожидаю, что выходной (например):

{307: 0.9700000000000001, 1737: 0.9899999999999999}

Но я всегда получаю:

{307: 0.9785016286644951, 1737: 0.9785016286644951}

Еще один пример, который я получил:

{280: 0.9761737911702874, 1782: 0.9761737911702874}

Последний:

{294: 0.9675894665766374, 1751: 0.9675894665766374}

Заранее благодарен за помощь.