【发布时间】:2017-11-21 11:37:40
【问题描述】:
我对 Spark 机器学习非常陌生,我想将多个列传递给功能,在下面的代码中,我只将日期列传递给功能,但现在我想将用户 ID 和日期列传递给功能。我尝试使用 Vector 但它只支持 Double 数据类型但在我的情况下我有 Int 和 String
如果有人提供任何可以满足我要求的建议/解决方案或任何代码示例,我将不胜感激
代码:
case class LabeledDocument(Userid: Double, Date: String, label: Double)
val training = spark.read.option("inferSchema", true).csv("/root/Predictiondata3.csv").toDF("Userid","Date","label").toDF().as[LabeledDocument]
import scala.beans.BeanInfo
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.ml.Pipeline
import org.apache.spark.ml.classification.LogisticRegression
import org.apache.spark.ml.feature.{HashingTF, Tokenizer}
import org.apache.spark.mllib.linalg.Vector
import org.apache.spark.sql.{Row, SQLContext}
val tokenizer = new Tokenizer().setInputCol("Date").setOutputCol("words")
val hashingTF = new HashingTF().setNumFeatures(1000).setInputCol(tokenizer.getOutputCol).setOutputCol("features")
import org.apache.spark.ml.regression.LinearRegression
val lr = new LinearRegression().setMaxIter(100).setRegParam(0.001).setElasticNetParam(0.0001)
val pipeline = new Pipeline().setStages(Array(tokenizer, hashingTF, lr))
val model = pipeline.fit(training.toDF())
case class Document(Userid: Integer, Date: String)
val test = sc.parallelize(Seq(Document(4, "04-Jan-18"),Document(5, "01-Jan-17"),Document(2, "03-Jan-17")))
model.transform(test.toDF()).show()
输入数据与列
Userid,Date,SwipeIntime
1, 1-Jan-2017,9.30
1, 2-Jan-2017,9.35
1, 3-Jan-2017,9.45
1, 4-Jan-2017,9.26
2, 1-Jan-2017,9.37
2, 2-Jan-2017,9.35
2, 3-Jan-2017,9.45
2, 4-Jan-2017,9.46
【问题讨论】:
-
你需要使用vectorAssembler。它需要数值、向量、布尔类型的数据。您可以使用 stringindexer 将字符串转换为索引。
-
谢谢我试试看
-
@hadooper 你能分享一些例子吗我试过下面的代码 val assembler1 = new VectorAssembler().setInputCols(Array("Userid", "Date")).setOutputCol("vec1") valassembler1 = assembler1.transform(training) java.lang.IllegalArgumentException: 数据类型 StringType 不受支持。
标签: scala apache-spark apache-spark-mllib prediction apache-spark-ml