使用矢量汇编程序（Java）在Spark中设置输入和输出时出现问题

Question

我有一个包含5408列的数据集，所有列的打印方式如下： _c0 | U c1 | U c2 | U c3 | U c4 | U c5 | U c6 | U c8 | U c9 |-0.169 |-0.025 |-0.010 |-0.041 |-0.045 |-0.069 1240.038 1240.014;-0.008

我想将所有列放在一起，并将标签分开，但我有一个错误，这意味着不支持我的列： 线程“main”java中的异常。lang.IllegalArgumentException:不支持列_c0的数据类型字符串。 不支持列_c1的数据类型字符串。 不支持列_c2的数据类型字符串。 不支持列_c3的数据类型字符串。 不支持列_c4的数据类型字符串

我想创建一个ML模型，所以我有：

Dataset<Row> csvData = spark.read()
                .option("header", false)
                .option("inferSchema", true)
                .csv("src/main/resou`enter code here`rces/K9.data");

        StringIndexer conditionIndexer = new StringIndexer ()
                .setInputCol("_c5408")
                .setOutputCol("_c5408Index");
        csvData = conditionIndexer.fit(csvData).transform(csvData);

//Cleaning data
List<org.apache.spark.sql.Column> list = new ArrayList<org.apache.spark.sql.Column>();
        for (String col : csvData.columns()) {
            list.add(when(csvData.col(col).equalTo("?"), 0).otherwise(csvData.col(col)).alias(col));
        }
        csvData = csvData.select(list.toArray(new org.apache.spark.sql.Column[0]));


    List<org.apache.spark.sql.Column> list_null = new ArrayList<org.apache.spark.sql.Column>();
    for (String col : csvData.columns()) {
        list_null.add(when(csvData.col(col).isNull(), 0).otherwise(csvData.col(col)).alias(col));
    }
    csvData = csvData.select(list_null.toArray(new org.apache.spark.sql.Column[0]));

    csvData = csvData.na().fill(0, csvData.columns());
        csvData.groupBy(col("_c5408"),col("_c5408Index")).count().show();

 ArrayList<String> inputColsList = new ArrayList<>(Arrays.asList(csvData.columns()));
        //Make single features column for feature vectors
        inputColsList.remove("_c5408Index");

        VectorAssembler vectorAssembler = new VectorAssembler()
                .setInputCols(inputColsList.parallelStream().toArray(String[]::new))
                .setOutputCol("features");

       `enter code here` Dataset<Row> modelInputData = vectorAssembler.transform(csvData)
                .select("_c5408Index", "features")
                .withColumnRenamed("_c5408Index", "label");

错误是当数据集modelInputData=vectorAssembler时。已写入转换（csvData）

模式是

|-- _c0: string (nullable = true)
 |-- _c1: string (nullable = true)
 |-- _c2: string (nullable = true)
 |-- _c3: string (nullable = true)
 |-- _c4: string (nullable = true)
 |-- _c5: string (nullable = true)
 |-- _c6: string (nullable = true)
 |-- _c7: string (nullable = true)
 |-- _c8: string (nullable = true)
 |-- _c9: string (nullable = true)
 |-- _c10: string (nullable = true)
 |-- _c11: string (nullable = true)
 |-- _c12: string (nullable = true)
 |-- _c13: string (nullable = true)
 |-- _c14: string (nullable = true)
 |-- _c15: string (nullable = true)
 |-- _c16: string (nullable = true)
 |-- _c17: string (nullable = true)
 |-- _c18: string (nullable = true)
 |-- _c19: string (nullable = true)
 |-- _c20: string (nullable = true)

c5408Index: double (nullable = false)

数据集看起来像