Я хочу использовать реализацию конвейера в MLlib. Раньше у меня был файл RDD, и я передал его при создании модели, но теперь, чтобы использовать конвейер, должна быть последовательность LabeledDocument для передачи в конвейер.
У меня есть RDD, который создается следующим образом:
val data = sc.textFile("/test.csv");
val parsedData = data.map { line =>
val parts = line.split(',')
LabeledPoint(parts(0).toDouble, Vectors.dense(parts.tail))
}.cache()
В примере конвейера Руководство по программированию Spark конвейеру необходимы следующие данные:
// Prepare training documents, which are labeled.
val training = sparkContext.parallelize(Seq(
LabeledDocument(0L, "a b c d e spark", 1.0),
LabeledDocument(1L, "b d", 0.0),
LabeledDocument(2L, "spark f g h", 1.0),
LabeledDocument(3L, "hadoop mapreduce", 0.0),
LabeledDocument(4L, "b spark who", 1.0),
LabeledDocument(5L, "g d a y", 0.0),
LabeledDocument(6L, "spark fly", 1.0),
LabeledDocument(7L, "was mapreduce", 0.0),
LabeledDocument(8L, "e spark program", 1.0),
LabeledDocument(9L, "a e c l", 0.0),
LabeledDocument(10L, "spark compile", 1.0),
LabeledDocument(11L, "hadoop software", 0.0)))
Мне нужен способ изменить мой RDD (parsedData) на последовательность LabeledDocuments (например, обучение в примере).
Я ценю вашу помощь.