Python 用PySpark拟合CrossValidator对象以解决训练数据错误

我在这里发现了很多关于从一个合适的CrossValidator对象中提取最佳模型参数的问题，但是我没有发现任何关于这个特定错误的问题。 我正在尝试创建一个CrossValidator对象，并将其与我的培训数据相匹配，然后再根据我的初始线性回归模型评估指标。我的数据集已被分解成适当的格式，并分为训练集和测试集，并成功地应用于第一个线性回归模型。第一次尝试交叉验证时，由于最后一行代码返回 “IllegalArgumentException:标签不存在。可用：PE、功能、交叉验证程序\u 3fda633cd32d\u rand、预测”，其中“PE”是我的标签

from pyspark.ml.regression import LinearRegression 
from pyspark.ml.evaluation import RegressionEvaluator
from pyspark.ml.tuning import CrossValidator, ParamGridBuilder

lrCV = LinearRegression(featuresCol='features', labelCol='PE', maxIter=50)

#Creating a grid of parameter values that the cross-validation will use

paramGrid = ParamGridBuilder() \
  .addGrid(lrCV.regParam, [1, 0.1, 0.01]) \
  .addGrid(lrCV.elasticNetParam, [0.0, 0.5, 1.0, 2]) \
  .addGrid(lrCV.fitIntercept, [True, False]) \
  .build()

#Create an instance of the CrossValidator object and enter our predefined parameters

crossVal = CrossValidator(estimator=lrCV,
                         estimatorParamMaps=paramGrid,
                         evaluator=RegressionEvaluator(),
                         numFolds=5)

lrModelCV = crossVal.fit(train)

---

有人有什么建议吗？我猜这是一件我忽略了的非常简单的事情，但我一生都找不到它是什么。提前感谢。

默认情况下，CrossValidation希望输出标签命名为

label

您可以在开始时设置输出列

标签

，以避免所有混乱

或

您还可以将

labelCol='PE'

传递给

reg退评估器（）

RegressionEvaluator(labelCol='PE')

---

你能把labelCol='PE'传递给

回归评估器（）

并告诉我它是否有效吗？@A.B它有效！事后看来，这似乎很明显，但我看不出来。非常感谢，它的工作正如预期的那样，现在我已将其转换为答案，请随意接受：）