Java 如何使用VectorAssembler设置spark数据集的n个特征？

我试图在一个包含n列未标记双精度的矩阵上运行PCA。我的代码是：

    SparkSession spark = SparkSession
        .builder()
        .appName("JavaPCAExample")
        .getOrCreate();

    Dataset<Row> data = spark.read().format("csv")
        .option("sep", ",")
        .option("inferSchema", "true")
        .option("header", "False")
        .load("testInput/matrix.csv");

    PCAModel pca = new PCA()
//      .setInputCol("features")
//      .setOutputCol("pcaFeatures")
        .setK(3)
        .fit(data);

    Dataset<Row> result = pca.transform(data).select("pcaFeatures");
    result.show(true);

    spark.stop();

SparkSession spark=SparkSession
.builder（）
.appName（“JavaPCAExample”）
.getOrCreate（）；
数据集数据=spark.read（）.format（“csv”）
.期权（“sep”、“、”）
.选项（“推断模式”、“真”）
.选项（“标题”、“假”）
.load（“testInput/matrix.csv”）；
PCAModel pca=新pca（）
//.setInputCol（“功能”）
//.setOutputCol（“pcaFeatures”）
.setK（3）
.fit（数据）；
数据集结果=pca.transform（data）.select（“pcaFeatures”）；
结果显示（真）；
spark.stop（）；

运行此操作将导致“java.lang.IllegalArgumentException:字段“features”不存在。”异常。我发现了一些帖子：

这让我找到了VectorAssembler文档：

在每个示例中，都会手动添加带标签的列标题作为功能。我还不知道如何使用VectorAssembler将我的n个未标记列全部转换为功能。如有任何见解，将不胜感激。谢谢你找到了.columns（）函数

SparkSession spark=SparkSession
.builder（）
.appName（“JavaPCAExample”）
.getOrCreate（）；
数据集数据=spark.read（）.format（“csv”）
.期权（“sep”、“、”）
.选项（“推断模式”、“真”）
.选项（“标题”、“假”）
.load（“testInput/matrix.csv”）；
向量汇编程序汇编程序=新向量汇编程序（）
.setInputCols（data.columns（））
.setOutputCol（“特征”）；
数据集输出=汇编程序.transform（数据）；
PCAModel pca=新pca（）
.setInputCol（“功能”）
.setOutputCol（“pcaFeatures”）
.setK（5）
.fit（输出）；

    SparkSession spark = SparkSession
        .builder()
        .appName("JavaPCAExample")
        .getOrCreate();

    Dataset<Row> data = spark.read().format("csv")
        .option("sep", ",")
        .option("inferSchema", "true")
        .option("header", "False")
        .load("testInput/matrix.csv");
    
    
    VectorAssembler assembler = new VectorAssembler()
        .setInputCols(data.columns())
        .setOutputCol("features");

    Dataset<Row> output = assembler.transform(data);

    PCAModel pca = new PCA()
        .setInputCol("features")
        .setOutputCol("pcaFeatures")
        .setK(5)
        .fit(output);