使用Spark ML处理数据框中的多个特征

我在跟随这个教程 https://mapr.com/blog/churn-prediction-sparkml/ 时发现,csv结构需要手动编写如下:

val schema = StructType(Array(    StructField("state", StringType, true),    StructField("len", IntegerType, true),    StructField("acode", StringType, true),    StructField("intlplan", StringType, true),    StructField("vplan", StringType, true),    StructField("numvmail", DoubleType, true),    StructField("tdmins", DoubleType, true),    StructField("tdcalls", DoubleType, true),    StructField("tdcharge", DoubleType, true),    StructField("temins", DoubleType, true),    StructField("tecalls", DoubleType, true),    StructField("techarge", DoubleType, true),    StructField("tnmins", DoubleType, true),    StructField("tncalls", DoubleType, true),    StructField("tncharge", DoubleType, true),    StructField("timins", DoubleType, true),    StructField("ticalls", DoubleType, true),    StructField("ticharge", DoubleType, true),    StructField("numcs", DoubleType, true),    StructField("churn", StringType, true)

然而,我的数据集有335个特征,我不想全部手动编写…有没有简单的方法来获取这些特征并相应地定义架构?


回答:

我在这里找到了解决方案: https://dzone.com/articles/using-apache-spark-dataframes-for-processing-of-ta 比我想象的要简单

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注