Apache spark PySpark MLlib:AssertionError:Classifier不'；t从HasRawPredictionCol扩展

我是Spark的新手。我想在PySpark MLlib中为SVM使用多类分类。我在Windows上安装了Spark 2.3.0

但是我搜索并发现SVM只在Spark中用于二值分类，所以我们必须使用一对所有策略。它给了我一个错误，当我试图使用一对所有的支持向量机。我搜索了错误，但没有找到解决方法

我在这个链接中使用了“一对所有”的代码

这是我的密码：

从pyspark.mllib.classification导入SVMWithSGD、SVMModel
从pyspark.ml.classification导入OneVsRest
#实例化One-Vs-Rest分类器。
svm_模型=SVMWithSGD（）
ovr=OneVsRest（分类器=svm_模型）
#训练多类模型。
ovr模型=ovr.配合（rdd_系列）
#根据测试数据对模型进行评分。
预测=ovrModel.transform（rdd_测试）

错误在“ovr.fit（rdd_列）”行中。这里是错误

文件“D:/Mycode newtrials-Copy/stance_detection-norelieff lgbm-randomizedsearch-modified-spark.py”，第1460行，在computescores中
ovr模型=ovr.配合（rdd_系列）
文件“D:\python27\lib\site packages\pyspark\ml\base.py”，第132行，在fit中
返回自拟合（数据集）
文件“D:\python27\lib\site packages\pyspark\ml\classification.py”，第1758行，以_-fit格式
“分类器%s不从HasRawPredictionCol扩展。”%type（分类器）
AssertionError:分类器不从HasRawPredictionCol扩展。

出现错误是因为您试图使用Spark ML中的模型（

OneVsRest

）和Spark MLlib中的基本二进制分类器（

SVMWithSGD

）

（旧的、基于RDD的API）和（新的、基于数据帧的API）不仅是不同的库，而且它们也是不兼容的：不能在它们之间混合模型（仔细看这些示例，您将看到它们从

pyspark.ml

导入基本分类器，而不是像您在这里尝试的那样从

pyspark.mllib

导入基本分类器）

不幸的是，在撰写本文时（Spark 2.3），Spark ML不包括支持向量机，因此您目前无法将该算法用作带有

OneVsRest

的基本分类器