我有一个多类分类问题，我想用逻辑回归来分类。我知道决策树和随机林也可以解决这个问题，但我希望特别使用“logisticregressionwithlbfgs”。我把所有的资料整理好了。我在一个dataframe中有一个整洁的数据：label字段（字符串）、一个feature向量（features/numbers向量）和第三列“labelindex”（表示类的数字）。
当我在Dataframe上进行列车测试时，将其拆分并尝试将其适配为：logisticsregressionwithlbfgs

val model = new LogisticRegressionWithLBFGS().setNumClasses(10).setIntercept(true).setValidateData(true).run("trainingData")

它不喜欢“跑”的部分。
我正在处理的示例通过以下方式加载数据文件：

val data = MLUtils.loadLibSVMFile(Spark.sparkContext, "data/mnist.bz2")

（我试图复制这个示例，并插入我自己的数据。但是它的格式不同，看起来也不一样等等）我读了一些东西，我发现，我需要把我的Dataframe转换成rdd（标签点）。我需要绘制Map。
我很难找到好的信息如何做到这一点。
如何简单地将上面描述的带有3个字段的Dataframe“label”（string）、“features”（feature vector）、“indexedlabel”（double）转换成rdd[标签点]？