- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试对维基百科 XML 转储执行 LDA。在获得原始文本的 RDD 之后,我创建了一个数据框并通过 Tokenizer、StopWords 和 CountVectorizer 管道对其进行转换。我打算将 Vectors 输出的 RDD 从 CountVectorizer 传递到 MLLib 中的 OnlineLDA。这是我的代码:
// Configure an ML pipeline
RegexTokenizer tokenizer = new RegexTokenizer()
.setInputCol("text")
.setOutputCol("words");
StopWordsRemover remover = new StopWordsRemover()
.setInputCol("words")
.setOutputCol("filtered");
CountVectorizer cv = new CountVectorizer()
.setVocabSize(vocabSize)
.setInputCol("filtered")
.setOutputCol("features");
Pipeline pipeline = new Pipeline()
.setStages(new PipelineStage[] {tokenizer, remover, cv});
// Fit the pipeline to train documents.
PipelineModel model = pipeline.fit(fileDF);
JavaRDD<Vector> countVectors = model.transform(fileDF)
.select("features").toJavaRDD()
.map(new Function<Row, Vector>() {
public Vector call(Row row) throws Exception {
Object[] arr = row.getList(0).toArray();
double[] features = new double[arr.length];
int i = 0;
for(Object obj : arr){
features[i++] = (double)obj;
}
return Vectors.dense(features);
}
});
由于该行,我得到了类转换异常
Object[] arr = row.getList(0).toArray();
Caused by: java.lang.ClassCastException: org.apache.spark.mllib.linalg.SparseVector cannot be cast to scala.collection.Seq
at org.apache.spark.sql.Row$class.getSeq(Row.scala:278)
at org.apache.spark.sql.catalyst.expressions.GenericRow.getSeq(rows.scala:192)
at org.apache.spark.sql.Row$class.getList(Row.scala:286)
at org.apache.spark.sql.catalyst.expressions.GenericRow.getList(rows.scala:192)
at xmlProcess.ParseXML$2.call(ParseXML.java:142)
at xmlProcess.ParseXML$2.call(ParseXML.java:1)
我找到了执行此操作的 Scala 语法 here但找不到任何用 Java 来做的例子。我试过 row.getAs[Vector](0)
但这只是 Scala 语法。有什么方法可以用 Java 实现吗?
最佳答案
因此,我能够通过简单转换为 Vector 来完成此操作。我不知道为什么我没有先尝试简单的事情!
JavaRDD<Vector> countVectors = model.transform(fileDF)
.select("features").toJavaRDD()
.map(new Function<Row, Vector>() {
public Vector call(Row row) throws Exception {
return (Vector)row.get(0);
}
});
关于java - 将 JavaRDD<Row> 转换为 JavaRDD<Vector>,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36410804/
我正在使用以下命令将 txt 文件作为 JavaRDD 读取: JavaRDD vertexRDD = ctx.textFile(pathVertex); 现在,我想将其转换为 JavaRDD,因为在
我正在尝试将类型化rdd转换为行rdd,然后从中创建数据框。当我执行代码时,它抛出异常。 代码: JavaRDD rdd = sc.parallelize(counters); JavaRDD row
我正在尝试将 csv 文件作为 JavaRDD 字符串加载,然后想要获取 JavaRDD Vector 中的数据 import org.apache.spark.SparkConf; import o
我正在尝试将推文从 twitter 保存到 MongoDb 数据库。 我有RDD我正在尝试借助 ObjectMapper 将其转换为 JSON 格式。但是此转换存在一些问题( public class
我正在尝试对维基百科 XML 转储执行 LDA。在获得原始文本的 RDD 之后,我创建了一个数据框并通过 Tokenizer、StopWords 和 CountVectorizer 管道对其进行转换。
我有一个类对象列表的 JavaRDD。我想将它展平为类对象的 JaveRDD,这样JavaRDD 转到 JavaRDD 在这篇文章中 Convert RDD List to RDD of indivi
有没有直接转换JavaRDD>的方法至JavaRDD使用 Apache-Spark 的 Java API? JavaPairRDD> baseRDD = sc.newAPIHadoopFile(arg
JavaRDD> documents = StopWordsRemover.Execute(lemmatizedTwits).toJavaRDD().map(new Function>() {
我已经开始将我的 Pyspark 应用程序编写为 Java 实现。我正在使用 Java 8。我刚开始在 java 中执行一些基本的 spark progrma。我使用了以下 wordcount示例。
我有一个JavaRDD>当我使用时,我的文件在每个字符串列表的开头和结尾处都用 [] 写入 javacontext.parallelize(rdd).coalesce(1, true).saveAsT
我正在尝试对行类型数据执行 JavaRDD 操作。但我无法解析或迭代 JavaRDD 数据 架构: root |-- categories: array (nullable = true) |
我正在尝试将预测映射到 LinearRegression 模型,以便将它们传递到 BinaryClassificationMetrics boject: // Make predictions on
我有一个宽度为 100 字节的文本文件。以下是结构。我需要读取 JavaRDD 中的数据。 RecType - String 1 Byte Date - String 8 byte Produc
我有一个 CSV 数据集,其中包含以下列(Accident_Id、日期、区域)和数百行。我想要实现的是将“区域”列分组为可能的唯一组,并找到每个组的计数。 我知道如何使用 SQLContext 来做到
我试图合并多个 JavaRDD,但我只合并了 2 个,有人可以帮忙吗?我已经为此苦苦挣扎了一段时间,但总的来说,我希望能够获得多个集合并使用 sqlContext 创建一个组并打印出所有结果。 这里是
我正在使用 Spark SQL 在 Spark 应用程序中从 Cassandra 检索数据。数据以 DataSet 形式检索。但是,我需要使用 javaRDD() 函数将此数据集转换为 JavaRDD
我需要对一个巨大的 RDD 进行复杂的计算,但为了简单起见,我将问题简化为更简单的问题: 我有一个像这样获得的JavaRDD: JavaRDD students = sc.parallelize(
我有一个 IP 列表作为字符串列表存储在 JavaRDD 中 logLine:[[54.186.7.47]、[178.154.189.203]、[10.55.1.29]、[115.93.74.252]
请帮助我了解将 spark javaRDD 的输出保存到数据库中的最佳方法是什么? 我应该编写spark java代码将RDD保存到数据库中吗?这种方法有什么缺点? 或者我应该使用sqoop将输出文件
我正在收集一个 RDD,需要使用以下代码在 Spark Java API 中对其进行排序: List alarmedTimeStamps=sensorDataDoubleDF.toJavaRDD().
我是一名优秀的程序员,十分优秀!