erreur: valeur de méthode surchargée "predict" avec des alternatives/Double ne prend pas de paramètres

Question

J'essaye de construire un modèle linéaire simple pour prédire les valeurs d'étiquette en utilisant LinearRegressionWithSGD. Je me suis converti Dataset pour obtenir les caractéristiques et l'étiquette et encore une fois convertis en des points marqués pour faire la régression

val train = dftrain.withColumn("label", dftrain("col2")).select("features", "label") 
val test = dftest.withColumn("label", dftest("col2")).select("features", "label") 

val realout = train.rdd.map(row => LabeledPoint(row.getAs[Double]("label"),DenseVector.fromML(row.getAs[org.apache.spark.ml.linalg.DenseVector]("features")))) 
val realout1 = test.rdd.map(row => LabeledPoint(row.getAs[Double]("label"),DenseVector.fromML(row.getAs[org.apache.spark.ml.linalg.DenseVector]("features")))) 

Maintenant, je suis ajustement du modèle

val numIterations = 100 
val stepSize = 0.00000001 
//fitting the model with converted Labeled points Train Data 
val model = LinearRegressionWithSGD.train(realout, numIterations, stepSize) 

17/08/09 12:16:15 WARN LinearRegressionWithSGD: The input data is not directly c 
    ached, which may hurt performance if its parent RDDs are also uncached. 
    17/08/09 12:16:17 WARN BLAS: Failed to load implementation from: com.github.fomm 
    il.netlib.NativeSystemBLAS 
    17/08/09 12:16:17 WARN BLAS: Failed to load implementation from: com.github.fomm 
    il.netlib.NativeRefBLAS 
    17/08/09 12:16:17 WARN LinearRegressionWithSGD: The input data was not directly 
    cached, which may hurt performance if its parent RDDs are also uncached. 
    model: org.apache.spark.mllib.regression.LinearRegressionModel = org.apache.spar 
    k.mllib.regression.LinearRegressionModel: intercept = 0.0, numFeatures = 1 

Il me donne des avertissements et aussi il donne Intercept comme 0.0 que je ne sens pas son correct. Mais quand je prédis le modèle, ça me jette une erreur.

val prediction = model.predict(realout1) 

<console>:98: error: overloaded method value predict with alternatives: 
    (testData: org.apache.spark.api.java.JavaRDD[org.apache.spark.mllib.linalg.Vec 
tor])org.apache.spark.api.java.JavaRDD[Double] <and> 
    (testData: org.apache.spark.mllib.linalg.Vector)Double <and> 
    (testData: org.apache.spark.rdd.RDD[org.apache.spark.mllib.linalg.Vector])org. 
apache.spark.rdd.RDD[Double] 
cannot be applied to (org.apache.spark.rdd.RDD[org.apache.spark.mllib.regressio 
n.LabeledPoint]) 
     val prediction = model.predict(realout1) 
          ^

Aussi, si je le fais à partir here,

// Evaluate model on training examples and compute training error 
val valuesAndPreds = realout.map { point => val prediction = model.predict(point.features) (point.label, prediction) } 

<console>:90: error: Double does not take parameters 
     val valuesAndPreds = realout.map { point => val prediction = model.predic 
t(point.features) (point.label, prediction) } 

       ^

Je crois que les étapes sont corrects. Mais je ne sais pas pourquoi il est montrant valeur de méthode surchargée prédire avec remplacement ou Double ne prend pas de paramètres

Answer 1

val prediction = model.predict(realout1.map(_.features)); 

celui-ci fonctionne très bien. Mais je ne sais pas à quel point celui-ci est correct. Toutes les suggestions sont appréciées. Je vous remercie.