Python '；管道DRDD'；对象没有属性'_jdf&x27；

这是我关于StakCflow的第一篇文章，因为我没有找到任何线索来解决这个消息“PipelinedRDD”对象没有属性“\u jdf”，当我调用train数据集上的trainer.fit在Python中的Spark下创建神经网络模型时会出现这个消息

这是我的密码

从pyspark导入SparkContext
从pyspark.ml.classification导入MultilayerPerceptronClassificationModel、MultilayerPerceptronClassificationModel
从pyspark.mllib.feature导入StandardScaler
从pyspark.mllib.regression导入标签点
从pyspark.sql导入SQLContext
从pyspark.ml.evaluation导入MultiClassificationEvaluator
###在Spark中导入数据###
RDD_RAWfileWH=sc.textFile（“c:/Anaconda2/Cognet/Data_表示Cognet\u ready.csv”）
header=RDD_RAWfileWH.first（）
#从原始数据中删除标题
RDD_RAWfile1=RDD_RAWfileWH.filter（lambda x:x！=头）
#拆分RDD的每一行
RDD_RAWfile=RDD_RAWfile1.map（lambda行：[float（x）表示行中的x.split（'，'）]））
FinalData=RDD_RAWfile.map（lambda行：LabeledPoint（行[0]，[行[1:]））
（trainingData，testData）=FinalData.randomSplit（[0.7,0.3]）
层=[15,2,3]
#创建培训师并设置其参数
trainer=多层PerceptronClassifier（maxIter=100，layers=layers，blockSize=128，seed=1234）
#训练模型
型号=培训师.配合（培训数据）

您试图将

ml

算法与RDD结合使用。在这里您将看到一个

DataFrame

。您好，谢谢您的回答，但是，我不太明白，因为我的培训数据是RDD。

{“pyspark.mllib”：“pyspark.RDD.RDD”，“pyspark.ml”：“pyspark.sql.DataFrame”}

好的，非常感谢，我现在明白了，MultilayerPerceptronClassifier可用于pyspark.ml，它只能用于数据帧，而pyspark.mllib可用于RDD，而MultilayerPerceptronClassifier在mllib下不可用（而且永远不会），现在我必须更改在Spark中加载数据的方式，并将其作为数据帧加载