Как преобразовать org.apache.spark.rdd.RDD [Array [Double]] в Array [Double], который требуется Spark MLlib

Я пытаюсь реализовать KMeans using Apache Spark.

val data = sc.textFile(irisDatasetString)
val parsedData = data.map(_.split(',').map(_.toDouble)).cache()

val clusters = KMeans.train(parsedData,3,numIterations = 20)

на котором появляется следующая ошибка:

error: overloaded method value train with alternatives:
  (data: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector],k: Int,maxIterations: Int,runs: Int)org.apache.spark.mllib.clustering.KMeansModel <and>
  (data: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector],k: Int,maxIterations: Int)org.apache.spark.mllib.clustering.KMeansModel <and>
  (data: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector],k: Int,maxIterations: Int,runs: Int,initializationMode: String)org.apache.spark.mllib.clustering.KMeansModel
 cannot be applied to (org.apache.spark.rdd.RDD[Array[Double]], Int, numIterations: Int)
       val clusters = KMeans.train(parsedData,3,numIterations = 20)

поэтому я попытался преобразовать Array [Double] в Vector, как показано здесь

scala> val vectorData: Vector = Vectors.dense(parsedData)

на котором я получил следующую ошибку:

error: type Vector takes type parameters
   val vectorData: Vector = Vectors.dense(parsedData)
                   ^
error: overloaded method value dense with alternatives:
  (values: Array[Double])org.apache.spark.mllib.linalg.Vector <and>
  (firstValue: Double,otherValues: Double*)org.apache.spark.mllib.linalg.Vector
 cannot be applied to (org.apache.spark.rdd.RDD[Array[Double]])
       val vectorData: Vector = Vectors.dense(parsedData)

Итак, я предполагаю, что org.apache.spark.rdd.RDD[Array[Double]] не совпадает с Array [Double]

Как я могу продолжить свои данные как org.apache.spark.rdd.RDD[Array[Double]]? или как я могу преобразовать org.apache.spark.rdd.RDD[Array[Double]] to Array[Double]?

Ответ 1

KMeans.train ожидает RDD[Vector] вместо RDD[Array[Double]]. Мне кажется, что все, что вам нужно сделать, это изменить

val parsedData = data.map(_.split(',').map(_.toDouble)).cache()

к

val parsedData = data.map(x => Vectors.dense(x.split(',').map(_.toDouble))).cache()