制造Spark'缺少什么重要功能；s MLlib线性回归在Scala中的示例工作？

使用Spark v1.0-rc3-当实现MLlib的线性回归时，我得到一个错误。因此，最终我尝试从中复制/粘贴Scala中的线性回归，但仍然收到错误：

scala>val parsedData=data.map{line=>
val parts=line.split（'，'）
标签点（部分（0）。toDouble，部分（1）。拆分（“”）。映射（x=>x.toDouble）。toArray）
}
：28:错误：多态表达式无法实例化为预期类型；
找到：[U>：双]数组[U]
必需：org.apache.spark.mllib.linalg.Vector
标签点（部分（0）。toDouble，部分（1）。拆分（“”）。映射（x=>x.toDouble）。toArray）

该错误表示需要

org.apache.spark.mllib.linalg.Vector

，但导入它没有帮助。即使尝试多种方法对向量进行强制转换，我也会得到

：19:错误：类型不匹配；
找到：scala.collection.immutable.Vector[Array[Double]]

问题是由于对更高版本的更改。曾经在v0.91中运行的代码现在需要对v1.0进行调整。您可以找到解决方案，不管错误告诉您什么，都添加向量而不是向量。尝试：

import org.apache.spark.mllib.regression.LinearRegressionWithSGD
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.linalg.Vectors

// Load and parse the data
val data = sc.textFile("mllib/data/ridge-data/lpsa.data")
val parsedData = data.map { line =>
  val parts = line.split(',')
  LabeledPoint(parts(0).toDouble, Vectors.dense(parts(1).split(' ').map(x => x.toDouble)))
  }