将特征重要性向量压缩到列名数组时出现Scala java.io toArray错误

尝试将功能重要性向量从lightGBM

getfeatureImportances

压缩到列名数组时，我遇到了以下错误：

import com.microsoft.ml.spark.LightGBMClassificationModel
导入org.apache.spark.ml.classification.RandomForestClassificationModel
def getFeatureImportances（inputContainer:PipelineModelContainer）：（字符串，字符串）={
val transformer=inputContainer.pipelineModel.stages.last
val featureImportancesVector=inputContainer.params匹配{
案例参数（numTrees、treeDepth、featureTransformer）=>
transformer.asInstanceOf[RandomForestClassificationModel]。功能重要性
案例灯光MPA参数（树顶、numLeaves、迭代、featureTransformer）=>
transformer.asInstanceOf[LightGBMClassificationModel].getFeatureImportances（“拆分”）
}
val colNames=inputContainer.featureColNames
val sortedFeatures=（colNames zip featureImportancesVector.toArray）.sortWith（u.\u 2>u.\u 2）.zipWithIndex
}

我在代码的最后一行遇到此错误：

value toArray is not a member of java.io.Serializable

---

似乎无法将light GBM功能的重要性转换为数组。如果这只是分类器特性的重要性，那么这段代码可以很好地工作。我还可以做什么？

在

匹配

块的两个分支中， 一,， 另一个

这两种类型的通用超级类型是

java.io.Serializable

， 因此Scala推断了变量

featureImportancesVector

的类型。

toArray

在该类型中不可用， 尽管这种方法在两种情况下都存在

要解决此问题很容易，请按照注释中的建议，将

.toArray

移动到

功能重要性

，

---

因此，两个分支的类型以及变量的类型在

匹配

块的两个分支中变为

数组[Double]

， 一,， 另一个

这两种类型的通用超级类型是

java.io.Serializable

， 因此Scala推断了变量

featureImportancesVector

的类型。

toArray

在该类型中不可用， 尽管这种方法在两种情况下都存在

要解决此问题很容易，请按照注释中的建议，将

.toArray

移动到

功能重要性

，

---

因此，两个分支的类型，以及变量的类型，都变成了

Array[Double]

您不能将

.toArray

调用从

zip

参数移动到

transformer.asInstanceOf[RandomForestClassificationModel].featureImportances

表达式吗？这样，如果我正确理解了源代码，featureImportancesVector应该变成

Array[Double]

而不是

Serializable

。嗨，这很有效！感谢您将

.toArray

调用从

zip

参数移动到

transformer.asInstanceOf[RandomForestClassificationModel]。featureImportances

表达式？这样，如果我正确理解了源代码，featureImportancesVector应该变成

Array[Double]

而不是

Serializable

。嗨，这很有效！谢谢