我实现了一个简单的朴素贝叶斯方法，与Spark教程中给出的示例完全相同。以下是我实现的方法：

public void applyNaiveBayes(String fileWithBinaryLabelsPath){    Dataset<Row> dataFrame =            sparkBase.getSpark().read().format("libsvm").load(fileWithBinaryLabelsPath);    Dataset<Row>[] splits = dataFrame.randomSplit(new double[]{0.8, 0.2}, 1234L);    Dataset<Row> train = splits[0];    Dataset<Row> test = splits[1];    NaiveBayes nb = new NaiveBayes();    NaiveBayesModel model = nb.fit(train);    Dataset<Row> predictions = model.transform(test);    predictions.show();    MulticlassClassificationEvaluator evaluator = new MulticlassClassificationEvaluator()            .setLabelCol("label")            .setPredictionCol("prediction")            .setMetricName("accuracy");    double accuracy = evaluator.evaluate(predictions);    System.out.println("Test set accuracy = " + accuracy);}

它运行得很好。但是我还需要做一件事。这里我使用了20%的数据作为测试数据。计算后，我想获取结果数据，也就是朴素贝叶斯对每行的预测结果。在Java中我该如何做到这一点？

回答：

要将预测数据集保存到文件中，可以将Dataset转换为JavaRDD，并通过执行predictions.javaRDD().saveAsTextFile(<file path>);将JavaRDD写入文件。

以下是多类分类评估器的指标：
https://spark.apache.org/docs/2.2.0/api/java/org/apache/spark/ml/evaluation/MulticlassClassificationEvaluator.html#metricName–

由于您使用的是二元分类的朴素贝叶斯模型，您需要使用二元分类评估器：
https://spark.apache.org/docs/2.0.1/api/java/org/apache/spark/ml/evaluation/BinaryClassificationEvaluator.html