Machine learning PySpark中的加速失效时间模型用于模拟重复事件

我试图利用PySpark中的加速故障时间模型，从客户的订单历史中预测客户重新订购订单车的概率。 我的输入数据包含

• 作为预测因素的客户和相应订单购物车的各种功能
• 两个连续订单之间的天数作为标签和
• 以前观察到的订单为未审查订单，未来订单为审查订单

---

PySpark是这里的选择，因为环境有一些限制，我没有其他选择来处理大量订单历史记录（~40GB）。以下是我的示例实现：

> from pyspark.ml.regression import AFTSurvivalRegression from
> pyspark.ml.linalg import Vectors
> 
> training = spark.createDataFrame([
>     (1,1.218, 1.0, Vectors.dense(1.560, -0.605)),
>     (1,2.949, 0.0, Vectors.dense(0.346, 2.158)),
>     (2,3.627, 0.0, Vectors.dense(1.380, 0.231)),
>     (2,0.273, 1.0, Vectors.dense(0.520, 1.151)),
>     (3,4.199, 0.0, Vectors.dense(0.795, -0.226))], ["customer_id","label", "censor", "features"]) aft =
> AFTSurvivalRegression()
> 
> model = aft.fit(training)

问题:

pyspark.ml.regression中的AFTSurvivalRegression方法是否能够根据客户id对我的数据集中的记录进行聚类？如果是，请说明如何实施

期望的输出将包含特定客户重新订购不同订单推车的可能性。如何通过扩展代码实现来获得这些值