Python 2.7 使用LinearRegression时发生断言错误

我试图帮助一位朋友，他试图在信号中使用

线性回归。数据包含20000条记录和两列（时间和脉冲），我正在Databricks的社区中运行它。我的方法非常简单而且有偏见，我知道，我试图添加更多的人工功能，为此我创建了这个简单但有用的函数

def featuresCreator(x, grad, acc):
  if (grad > 0):
    return [x ** grad]
  else:
    return [x ** grad] + featuresCreator(x, grad - acc, acc)

featuresUDF = udf(lambda x, grad, acc: DenseVector(featuresCreator(x, grad, acc)), VectorUDT())

我认为在一定的值范围内多次启用该功能将有助于过度拟合回归，这就是我运行此功能的原因

xf = df.select(featuresUDF(col("tiempo"), lit(12), lit(0.1)).alias("features"), col(" pulso").alias("label"))

一切都很好，
DataFrame
只有两列，一列是特性，另一列是标签。当我尝试对数据使用
LinearRegression
时，问题就出现了

lr = LinearRegression().setFeaturesCol("features").setLabelCol("label").setMaxIter(200)
lrm = lr.fit(xf)

在这里，程序分解并显示以下异常

java.lang.AssertionError:断言失败：lapack.dppsv返回5

有什么办法解决这个问题吗？还是我做错了什么？
这个错误通常意味着你传递了一个不可解的矩阵

所以实际上它和向量的长度无关

检查信息代码：netlib.org/lapack/explore-html/d3/d62/dppsv_8f.html:A的i阶前导小调不是正定的，因此无法完成因式分解，也没有计算出解

这个问题可以使用线性回归的解算器参数来解决

val lf=new LinearRegression().setSolver("l-bfgs")

默认情况下，这是正常的。
此错误通常意味着您传递了一个不可解的矩阵。因此，它与向量的长度无关？否。检查信息代码：：a的i阶的前导-次方不是正定的，因此无法完成因式分解，而解决方案还没有找到computed@zero323我认为这是你的评论创造了一个有效的答案@我应该结束这个问题吗？我想这些信息可能对其他人有所帮助。你怎么认为？