嗨，我正在尝试用PySpark 2.4.3机器学习库安装多层感知器。但每次我试图拟合算法时，我都会得到以下错误：
Py4JJavaError:调用o4105.fit时出错。：org.apache.spark.SparkException：由于阶段失败而中止作业：阶段784.0中的任务0失败4次，最近一次失败：阶段7840中丢失任务0.3(TID 11663，hdpdncwy87013dpp.acxiom.net，executor 1(：org.apache_spark.spark Exception：无法执行用户定义的函数($anonfun$org.apache$spark$ml$feature$OneHotEncoderModel$$encoder$1:(double，int(=>struct，values:array>(网址：org.apache.spark.sqlcatalyst.expressions.GeneratedClass$GeneratedTeratorForCodegenStage1.processNext(未知来源(
df = sqlContext.read.format("csv").options(header='true', sep=",", inferschema='true').load(location)
exclude = ["Target"]
inputs = [column for column in df.columns if (column not in exclude)]
vectorAssembler = VectorAssembler(inputCols=inputs, outputCol='Features')
vdf = vectorAssembler.transform(df)
vdf = vdf.select(['Features'] + exclude)
# Feature Scaling
scaler = MinMaxScaler(inputCol="Features", outputCol="scaledFeatures")
scalerModel = scaler.fit(vdf)
scaledData = scalerModel.transform(vdf)
# train-test split
splits = scaledData.randomSplit([0.7, 0.3], seed=2020)
train_df = splits[0]
test_df = splits[1]
layers = [len(inputs), 3, 3, 3, 5]
mlpc = MultilayerPerceptronClassifier(labelCol="Target", featuresCol="scaledFeatures", layers=layers,
blockSize=128, stepSize=0.03, seed=2020, maxIter=1000)
model = mlpc.fit(train_df)
你有主意吗？提前谢谢。输入的数目1902，要预测的类的数目5。
这是一个老问题，但我们现在遇到了完全相同的错误。我们对二进制分类没有任何问题，但我们对多类分类问题抛出了这个异常，就像您的问题一样。
对我们来说，多类分类的问题是我们的标签是1, 2, 3。事实证明，MultiLayerPerceptron希望标签从0开始。因此，当我们从标签中减去1(使其为0、1、2(时，模型毫无例外地成功训练。如果您对具有非零标签的多类分类问题有此异常，则这可能是您的问题。
希望这样可以节省用户数小时的调试时间。