我正在尝试在浮点数数据帧上运行 Spark (1.3.1) Mllib k-means 聚类。
我正在关注 Spark 提供的集群示例
https://spark.apache.org/docs/1.3.1/mllib-clustering.html
但是,我使用的是由一列 double 数组成的数据框,而不是文本文件(为简单起见)。根据 Mllib 文档,我需要将其转换为 Kmeans 函数的向量。到目前为止我有这个
import org.apache.spark.mllib.linalg.Vectors
val parsedData = data.map(s => Vectors.dense(s(0))).cache()
我收到错误
error: overloaded method value dense with alternatives:
(values: Array[Double])org.apache.spark.mllib.linalg.Vector and
(firstValue: Double,otherValues: Double*)org.apache.spark.mllib.linalg.Vector
cannot be applied to (Any)
val parsedData = sample2.map(s => Vectors.dense(s(1))).cache()
^
有没有更好的方法来做到这一点?
我读过这篇类似的帖子,但我觉得它不够相似:
How to turn a known structured RDD to Vector
还有这个 How to convert org.apache.spark.rdd.RDD[Array[Double]] to Array[Double] which is required by Spark MLlib
处理文本数据
最佳答案
关于什么:
val parsedData = data.rdd.map(s => Vectors.dense(s.getDouble(0))).cache()
如果数据是单列 double 的数据框,这应该可以工作。
如果您的数据框中有更多列,则只需添加更多获取,例如:
val parsedData = data.rdd.map(s => Vectors.dense(s.getDouble(0),s.getDouble(1))).cache()
关于apache-spark - Spark Mllib kmeans 示例,使用数据框而不是 textFile,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31375785/