Scala Spark中的Kmeans算法，

最近我在spark中进行集群，我在spark中使用Kmeans集群来进行一些计算

我有一个数据集，就像这样： - 1,2,3,4 - 2,3,4,5 -1,2,4,5

现在我想对前三列进行聚类，如何才能在不丢失最后一列的情况下将前三列预测为一列，就像

• 1,2,3,1,4
• 2,3,4,2,5
• 1,2,4,3,5

第四列是预测列

val kmeansData = model.transform(input)

---

上面的代码仅使用dataframe作为参数进行预测

您可以在创建

kmeans

实例时指定用于预测的列，如下所示：

val kmeans = new KMeans()
  .setK(3)
  .setFeaturesCol("features")
  .setPredictionCol("prediction")
val model = kmeans.fit(trainingData)
val kmeansData = model.transform(vectoredInput)

由于集群（我认为，大多数Spark ML算法）使用的是

Vector

类型的列，因此必须首先将三个单独的列组合成一个向量：

val cols = Array("1", "2", "3")
val assembler = new VectorAssembler().setInputCols(cols).setOutputCol("features")
val vectoredInput = assembler.transform(input)

您可以在此处找到更多详细信息：

数据为（1,2,3,4）、（2,3,4,5）、（1,2,4,5）三行