Apache spark 使用矢量汇编程序和提取;特色;如spark scala中的org.apache.spark.mllib.linalg.Vectors
我想在Spark 1.5.1中使用高斯混合模型,它使用linalg.mllib.vector rdd 这是我的密码Apache spark 使用矢量汇编程序和提取;特色;如spark scala中的org.apache.spark.mllib.linalg.Vectors,apache-spark,Apache Spark,我想在Spark 1.5.1中使用高斯混合模型,它使用linalg.mllib.vector rdd 这是我的密码 import org.apache.spark.mllib.clustering.GaussianMixture import org.apache.spark.mllib.clustering.GaussianMixtureModel import org.apache.spark.mllib.linalg.Vectors import org.apache.spark.ml.f
import org.apache.spark.mllib.clustering.GaussianMixture
import org.apache.spark.mllib.clustering.GaussianMixtureModel
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.ml.feature.VectorAssembler
import org.apache.spark.sql.DataFrame
import org.apache.spark.sql.DataFrameNaFunctions
dummy = dummy.na.drop
var colnames= dummy.columns
var df = dummy
for(x<-colnames)
{
if (dummy.select(x).dtypes(0)._2.equals("StringType") || dummy.select(x).dtypes(0)._2.equals("LongType"))
{ df = df.drop(x)}
}
var colnames = df.columns
var assembler = new VectorAssembler().setInputCols(colnames).setOutputCol("features")
var output = assembler.transform(df)
var temp = output.select("features")
import org.apache.spark.mllib.clustering.GaussianMixture
导入org.apache.spark.mllib.clustering.GaussianMixtureModel
导入org.apache.spark.mllib.linalg.Vectors
导入org.apache.spark.ml.feature.VectorAssembler
导入org.apache.spark.sql.DataFrame
导入org.apache.spark.sql.DataFrameNaFunctions
dummy=dummy.na.drop
var colnames=dummy.columns
var df=虚拟
对于(xSpark>=2.0
任一地图:
temp.rdd.map(_.getAs[org.apache.spark.mllib.linalg.Vector]("features"))
或者将用作:
temp
.select("features")
.as[Tuple1[org.apache.spark.ml.linalg.Vector]]
.rdd.map(_._1)
火花<2.0
只需将
映射到
RDD[行]
并提取字段:
temp.rdd.map(_.getAs[org.apache.spark.mllib.linalg.Vector]("features"))
先生,你真是天赐良机!我无法理解spark为什么决定使用“Any”作为默认类型而不是df的内容。@Havnar主要是因为
DataFrame
是一种固有的动态结构。虽然像frameless
这样的扩展是可能的,但它们不能提供用户习惯于数据帧所期望的体验。也没有por表到Java,不适用于广泛的数据集和特殊分析。