Apache spark 如何使用Spark LinearSVC型号获得最佳功能？

我试图使用ChiSqSelector确定Spark 2.2 LSVCModel的最佳功能，因此：

import org.apache.spark.ml.feature.ChiSqSelector
val chiSelector = new ChiSqSelector().setNumTopFeatures(5).
   setFeaturesCol("features").
   setLabelCol("label").setOutputCol("selectedFeatures")

val pipeline = new Pipeline().setStages(Array(labelIndexer, monthIndexer, hashingTF
   , idf, va, featureIndexer,  chiSelector, lsvc, labelConverter))

val model = pipeline.fit(training)
val importantFeatures = model.selectedFeatures

import org.apache.spark.ml.classification.LinearSVCModel
val LSVCModel= model.stages(6).asInstanceOf[org.apache.spark.ml.classification.
   LinearSVCModel]

val importantFeatures = LSVCModel.selectedFeatures

这就产生了错误：

<console>:180: error: value selectedFeatures is not a member of 
org.apache.spark.ml.classification.LinearSVCModel
   val importantFeatures = LSVCModel.selectedFeatures

：180:错误：value selectedFeatures不是
org.apache.spark.ml.classification.LinearSVCModel
val importantFeatures=LSVCModel.selectedFeatures

---

这种型号可以使用ChiSqSelector吗？如果没有，是否有其他选择？

线性SVC不会进行任何功能选择。您应该从管道中提取

ChiSqSelectorModel

，而不是

LinearSVCModel

import org.apache.spark.ml.feature.ChiSqSelectorModel
val chiSqModel = model.stages(6).asInstanceOf[ChiSqSelectorModel]

val importantFeatures = chiSqModel.selectedFeatures

---

你用错型号了。它不是

LinearSVCModel

。谢谢，我会试一试。效果很好，但如何获得实际功能

selectedFeatures

只是给了我一些索引。@schoon:它会给你

features

列中的功能的索引。因此，要知道选择了哪些特征，您应该查看如何在本专栏中构建向量。