【发布时间】:2017-11-09 22:09:39
【问题描述】:
我想用 Java 创建一个自定义 Spark Transformer。
Transformer 是文本预处理器,其作用类似于 Tokenizer。它接受一个输入列和一个输出列作为参数。
我环顾四周,发现了 2 个 Scala Traits HasInputCol 和 HasOutputCol。
如何创建一个扩展 Transformer 并实现 HasInputCol 和 OutputCol 的类?
我的目标是拥有这样的东西。
// Dataset that have a String column named "text"
DataSet<Row> dataset;
CustomTransformer customTransformer = new CustomTransformer();
customTransformer.setInputCol("text");
customTransformer.setOutputCol("result");
// result that have 2 String columns named "text" and "result"
DataSet<Row> result = customTransformer.transform(dataset);
【问题讨论】:
标签: java scala apache-spark apache-spark-mllib transformer