这是我的代码，用于从Hive加载数据并进行样本平衡：

// 加载子集数据
val dataList = DataLoader.loadSubTrainTestData(hiveContext.sql(sampleDataHql))
// 将数据分割为训练集和测试集
val data = dataList.randomSplit(Array(0.7, 0.3), seed = 11L)
// 随机平衡训练数据
val sampleCount = data(0).map(rec => (rec.label, 1)).reduceByKey(_ + _)
val positiveSample = data(0).filter(_.label == 1).cache()
val positiveSize = positiveSample.count()
val negativeSample = data(0).filter(_.label == 0).cache()
val negativeSize = negativeSample.count()
// 构建训练数据
val trainData = positiveSample ++ negativeSample.sample(withReplacement = false, 1.0 * positiveSize.toFloat / negativeSize, System.nanoTime())
// 数据大小
val trainDataSize = positiveSize + negativeSize
val testDataSize = trainDataSize * 3.0 / 7.0

我计算了trainDataSize和testDataSize，以便评估模型的置信度

回答：

我还没有测试这段代码，但应该像这样运行：

val data: RDD[LabeledPoint] = ???
val fractions: Map[Double, Double] = Map(0.0 -> 0.5, 1.0 -> 0.5)
val sampledData: RDD[LabeledPoint] = data
  .keyBy(_.label)
  .sampleByKeyExact(false, fractions)  // 可选地使用种子
  .values

你可以将你的LabeledPoint转换为PairRDDs，然后应用你希望使用的分数进行sampleByKeyExact抽样。