我正在进行文本分类，并使用pipeline方法构建了一个模型。我已经创建了RF分类器对象，并设置了我在前几步中获得的特征列和标签列（步骤未显示）。

我正在拟合我使用数据框创建的训练数据，该数据框包含“labels”和“sentences”列。标签是不同的问题类型。数据框看起来像这样，

training = sqlContext.createDataFrame([("DESC:manner", "How did serfdom develop in and then leave Russia ?"),("DESC:def", "What does '' extended definition '' mean and how would one a paper on it ? "),("HUM:ind", " Who was The Pride of the Yankees ?")], ["label", "sentence"])

pipeline的代码是，

rf = RandomForestClassifier().setFeaturesCol("features").setLabelCol("idxlabel") pipeline = Pipeline(stages=[pos, tokenizer, hashingTF, idf, indexer,rf])model = pipeline.fit(training)

因此，现在我可以通过以下代码获得预测，

prediction = model.transform(test)selected = prediction.select("sentence","prediction")

我可以使用select()操作来获取预测的标签。

但在我的用例中，有来自Kinesis的数据流，这些数据仅是句子（纯字符串）。对于每个句子，我都需要预测标签。但现在当我使用dir(model)时，我找不到任何predict()函数。为什么从pyspark.ml获得的RandomForestClassifier没有predict()方法？如果没有，我该如何成功执行我的用例？我需要predict()方法来满足需求。如果不使用RF，我应该使用什么机器学习算法？我做错了什么吗？谁能给我一些建议？任何帮助都将不胜感激。我的环境是Spark 1.6和Python 2.7。

回答：

所以我发现没有可用的predict()方法。因此，我们需要使用transform()方法来进行预测。只要移除标签列并创建一个新的数据框。例如，在我的情况下，我做了，

pred = sqlContext.createDataFrame([("What are liver enzymes ?" ,)], ["sentence"])prediction = model.transform(pred)

然后我们可以使用select()方法找到预测。至少目前为止，这个解决方案对我来说是成功的。如果有任何更正或更好的方法，请告诉我。