У мене є 2d список цілих чисел, і я хотів би це зробитиперетворити його в RDD [вектор] або JavaRDD [вектор], щоб використовувати метод прогнозування SVM-моделі в іскровому MLlib. Я спробував наступне, щоб перетворити його на rdd. Але здається, що це не те, що мені потрібно.
val tuppleSlides = encoded.iterator.sliding(10).toList
val rdd = sc.parallelize(tuppleSlides)
Будь-які ідеї, що це за команда перетворити її в потрібний тип?
Спасибі заздалегідь.
Відповіді:
1 для відповіді № 1Якщо ви хочете використовувати MLlib, вам знадобиться RDD[LabeledPoint]
. Враховуючи свій 2D список даних та деякий список міток, ви можете створити свої RDD[LabeledPoint]
подобається так:
scala> val labels = List(1.0, -1.0)
labels: List[Double] = List(1.0, -1.0)
scala> val myData = List(List(1d,2d), List(3d,4d))
myData: List[List[Double]] = List(List(1.0, 2.0), List(3.0, 4.0))
scala> import org.apache.spark.ml.linalg.Vectors
import org.apache.spark.ml.linalg.Vectors
scala> import org.apache.spark.ml.feature.LabeledPoint
import org.apache.spark.ml.feature.LabeledPoint
scala> val vectors = myData.map(x => Vectors.dense(x.toArray))
vectors: List[org.apache.spark.ml.linalg.Vector] = List([1.0,2.0], [3.0,4.0])
scala> val labPts = labels.zip(vectors).map{case (l, fV) => LabeledPoint(l, fV)}
labPts: List[org.apache.spark.ml.feature.LabeledPoint] = List((1.0,[1.0,2.0]), (-1.0,[3.0,4.0]))
scala> val myRDD = sc.parallelize(labPts)
myRDD: org.apache.spark.rdd.RDD[org.apache.spark.ml.feature.LabeledPoint] = ParallelCollectionRDD[0] at parallelize at <console>:34