我有一个使用Spark的VectorAssembler打包成矢量向量的特征列，如下所示。 data是输入数据帧(类型spark.sql.DataFrame)。将特征的Spark向量转换为数组
val featureCols = Array(“feature_1″,”feature_2″,”feature_3”)
val featureAssembler = new VectorAssembler().setInputCols(featureCols).setOutputCol(“features”)
val dataWithFeatures = featureAssembler.transform(data)
我开发使用Classifier和ClassificationModel开发API的自定义分类。 ClassificationModel需要开发一个predictRaw()函数，该函数从模型输出预测标签的向量。
def predictRaw(features: FeaturesType) : Vector
这个功能是通过该API集和需要一个参数，的FeaturesType特征，并输出向量(这在我的情况下，我要带去是火花DenseVector作为DenseVector延伸Vector性状)。
由于VectorAssembler的包装，features列的类型为Vector，每个元素本身就是一个向量，它是每个训练样本的原始特征的向量。例如：
设有柱 – 型的矢量
[1.0，2.0，3.0] – 元素1，本身的矢量
[3.5，4.5，5.5] – element2的，本身的载体
我需要将这些功能提取到Array[