Я хочу загрузить мои данные и сделать некоторые основные линейные регрессии на нем. Итак, во-первых, мне нужно использовать VectorAssembler
для создания столбца моих функций. Однако, когда я использую assembler.transform(df)
, df
является DataFrame
, и он ожидает DataSet
. Я пробовал df.toDS
, но он дал value toDS is not a member of org.apache.spark.sql.DataFrame
. Действительно, он входит в состав org.apache.spark.sql.DatasetHolder
.Spark 2.0 - Преобразование DataFrame в DataSet
Что я здесь не так?
package main.scala
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import org.apache.spark.sql.functions._
import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.DatasetHolder
import org.apache.spark.ml.regression.LinearRegression
import org.apache.spark.ml.feature.RFormula
import org.apache.spark.ml.feature.VectorAssembler
import org.apache.spark.ml.linalg.Vectors
object Analyzer {
def main(args: Array[String]) {
val conf = new SparkConf()
val sc = new SparkContext(conf)
val sqlContext = new SQLContext(sc)
import sqlContext.implicits._
val df = sqlContext.read
.format("com.databricks.spark.csv")
.option("header", "false")
.option("delimiter", "\t")
.option("parserLib", "UNIVOCITY")
.option("inferSchema", "true")
.load("data/snap/*")
val assembler = new VectorAssembler()
.setInputCols(Array("own", "want", "wish", "trade", "comment"))
.setOutputCol("features")
val df1 = assembler.transform(df)
val formula = new RFormula().setFormula("rank ~ own + want + wish + trade + comment")
.setFeaturesCol("features")
.setLabelCol("rank")
}
}