Sto provando a caricare un file SVM e convertirlo in un DataFrame
così posso utilizzare il modulo ML (Pipeline
ML) da Spark. Ho appena installato una nuova Spark 1.5.0 su Ubuntu 14.04 (no spark-env.sh
configurato).L'oggetto 'PipelinedRDD' non ha attributo 'toDF' in PySpark
mio my_script.py
è:
from pyspark.mllib.util import MLUtils
from pyspark import SparkContext
sc = SparkContext("local", "Teste Original")
data = MLUtils.loadLibSVMFile(sc, "/home/svm_capture").toDF()
e sto correndo con: ./spark-submit my_script.py
e ottengo l'errore:
Traceback (most recent call last):
File "/home/fred-spark/spark-1.5.0-bin-hadoop2.6/pipeline_teste_original.py", line 34, in <module>
data = MLUtils.loadLibSVMFile(sc, "/home/fred-spark/svm_capture").toDF()
AttributeError: 'PipelinedRDD' object has no attribute 'toDF'
Quello che non riesco a capire è che se io run:
data = MLUtils.loadLibSVMFile(sc, "/home/svm_capture").toDF()
direttamente all'interno della shell PySpark, funziona.