Question

我是新来的火花。我正在研究分类模型，并希望使用ChiSqSelector来选择模型训练的重要特征。但是，当我使用ChiSqSelector选择的功能进行训练时，会引发以下错误：

＆＃34; IllegalArgumentException：u＆＃39;功能0被标记为名义（分类），但它没有指定值的数量。＆＃34;

有趣的是，当我使用任何基于树的算法时，我得到了上述错误。对于Naive偏差和逻辑回归，我没有得到错误。

当我使用spark文档中的示例代码中提供的数据时，我发现了相同的结果。可以使用spark 2.1.1文档中的代码重现该错误：

from pyspark.ml.feature import ChiSqSelector
from pyspark.ml.linalg import Vectors

df = spark.createDataFrame([
    (7, Vectors.dense([0.0, 0.0, 18.0, 1.0]), 1.0,),
    (8, Vectors.dense([0.0, 1.0, 12.0, 0.0]), 0.0,),
    (9, Vectors.dense([1.0, 0.0, 15.0, 0.1]), 0.0,)], ["id", "features", 
"clicked"])
selector = ChiSqSelector(numTopFeatures=2, featuresCol="features",
                     outputCol="selectedFeatures", labelCol="clicked")
result = selector.fit(df).transform(df)
print("ChiSqSelector output with top %d features selected" % 
selector.getNumTopFeatures())
result.show()
from pyspark.ml.classification import DecisionTreeClassifier
dt = DecisionTreeClassifier(labelCol="clicked", 
featuresCol="selectedFeatures")
model = dt.fit(result)

有人报告了Apache Spark用户列表中的问题（以下链接），但没有人回复。 http://apache-spark-user-list.1001560.n3.nabble.com/Application-of-ChiSqSelector-results-in-quot-Feature-0-is-marked-as-Nominal-quot-td27040.html

如果有人对此有所了解，我将非常感激。提前谢谢。

Answer 1

我也遇到了这个问题。功能列SparseVector-> DenseVector可以使其运行我不知道是否有更好的方法

Spark ML：使用ChiSqSelector进行特征选择后的训练问题

1 个答案: