使用 ALS 的 Spark MLlib 管道不存在字段“项目”

Question

我正在使用 ALS 训练推荐系统（Spark 版本：1.3.1）。现在我想通过交叉验证使用Pipeline 进行模型选择。作为第一步，我尝试适应 the example code 并想出了这个：

val conf = new SparkConf().setAppName("ALS").setMaster("local")
val sc = new SparkContext(conf)
val sqlContext = new SQLContext(sc)
import sqlContext.implicits._

val ratings: RDD[org.apache.spark.mllib.recommendation.Rating] = // ...
val als = new ALS().setMaxIter(10).setRank(10).setRegParam(0.01)
val pipeline = new Pipeline().setStages(Array(als))
val model = pipeline.fit(ratings.toDF)

当我运行它时，最后一行失败并出现异常：

Exception in thread "main" java.lang.IllegalArgumentException: Field "item" does not exist.
at org.apache.spark.sql.types.StructType$$anonfun$apply$25.apply(dataTypes.scala:1032)
at org.apache.spark.sql.types.StructType$$anonfun$apply$25.apply(dataTypes.scala:1032)
at scala.collection.MapLike$class.getOrElse(MapLike.scala:128)
at scala.collection.AbstractMap.getOrElse(Map.scala:58)
at org.apache.spark.sql.types.StructType.apply(dataTypes.scala:1031)
at org.apache.spark.ml.recommendation.ALSParams$class.validateAndTransformSchema(ALS.scala:148)
at org.apache.spark.ml.recommendation.ALS.validateAndTransformSchema(ALS.scala:229)
at org.apache.spark.ml.recommendation.ALS.transformSchema(ALS.scala:304)
at org.apache.spark.ml.Pipeline$$anonfun$transformSchema$4.apply(Pipeline.scala:142)
at org.apache.spark.ml.Pipeline$$anonfun$transformSchema$4.apply(Pipeline.scala:142)
at scala.collection.IndexedSeqOptimized$class.foldl(IndexedSeqOptimized.scala:51)
at scala.collection.IndexedSeqOptimized$class.foldLeft(IndexedSeqOptimized.scala:60)
at scala.collection.mutable.ArrayOps$ofRef.foldLeft(ArrayOps.scala:108)
at org.apache.spark.ml.Pipeline.transformSchema(Pipeline.scala:142)
at org.apache.spark.ml.PipelineStage.transformSchema(Pipeline.scala:58)
at org.apache.spark.ml.Pipeline.fit(Pipeline.scala:100)
at org.apache.spark.ml.Pipeline.fit(Pipeline.scala:79)
at org.apache.spark.ml.Estimator.fit(Estimator.scala:44)
...

我不在代码中的任何地方使用字符串"item"，所以我认为它是某种默认值。当我将.setItemCol("itemId") 添加到als 时，异常消息会相应更改。

"item"是什么意思？我怎样才能使管道工作？

Answer 1

好的，解决方案其实很简单：使用org.apache.spark.ml.recommendation.ALS.Rating 而不是org.apache.spark.mllib.recommendation.Rating，这样就可以了。

否则.setItemCol("product") 可以解决问题，因为org.apache.spark.mllib.recommendation.Rating 有一个名为“product”的字段，而org.apache.spark.ml.recommendation.ALS.Rating 调用相应的字段“item”。给定一个字符串，访问案例类的某个字段（反射？），这一定是有什么魔力。