我在官方教程中看到的是使用as_h2o_frame中的函数rsparkling将Spark数据帧转换为h2o数据帧。然后照常使用h2o数据框。我想知道是否有一种方法可以将h2o中的h2o.randomforest算法（例如pipeline）与Spark中的pipeline <- ml_pipeline(sc) %>% ft_dplyr_transformer(tbl = dplyr_transformation) %>% h2o.randomForest(...)
fitted_pipeline <- ml_fit(pipeline,data)
cleaned_data <- ml_transform(fitted_pipeline,data)
集成在一起，以便我可以执行以下操作：
[batch_size, time_steps, 3]