【发布时间】:2019-07-25 23:29:33
【问题描述】:
我正在尝试在 pyspark 中创建实施 k-means 聚类。我使用 mnist 作为我的数据集,它有数百个具有整数值的列。
创建数据框后,当我尝试创建要在聚类中使用的特征列时,我不知道要为VectorAssembler 提供什么作为inputCols 参数。下面是我的代码
sc = SparkContext('local')
spark = SparkSession(sc)
df = spark.read.csv('mnist_train.csv')
df.show()
df_feat = df.select(*(df[c].cast("float").alias(c) for c in df.columns[0:]))
df_feat.show()
vecAssembler = VectorAssembler(inputCols = ???????, outputCol = "features")
对于我正在使用的这个大整数值数据,我应该为inputCols 设置什么参数?
【问题讨论】:
标签: python dataframe pyspark cluster-analysis k-means