PySpark MLP分类器评估报A & B维度不匹配错误

报错触发点在多层感知机前向传播的矩阵乘法环节，核心错误是MLP网络层配置维度和实际输入特征维度不匹配，对应栈里的A & B Dimension mismatch报错。
MultilayerPerceptronClassifier的layers参数有严格的配置规则：

• 列表第一位：必须和输入特征向量的维度完全一致
• 列表最后一位：必须和分类任务的类别总数完全一致
• 中间位：对应各隐藏层的神经元数量，可按需调整
  你当前任务是3分类，最后一层设为3是正确的，但你手动设置的第一层维度11，和Pipeline前置流程输出的features列实际维度不符。你之前对接的其他分类器（如随机森林、逻辑回归）不需要手动声明输入维度，会自动适配特征长度，所以之前流程能正常运行，而MLP要求手动声明全网络层维度，参数写错就会触发矩阵运算维度错误。

1. 先获取实际特征维度，不要靠臆测写输入层大小：

   from pyspark.ml import Pipeline
   # 用未加MLP的前置Pipeline处理训练集，拿到真实特征维度
   prep_pipe = Pipeline(stages=stages.copy())
   prep_model = prep_pipe.fit(train)
   sample = prep_model.transform(train).first()
   real_feature_dim = len(sample.features)
   

2. 修改MLP的layers参数，把第一位替换成上一步拿到的real_feature_dim，最后一位保持3即可。隐藏层神经元数可以根据训练效果调整，只要首尾维度匹配就不会再报维度错误。
3. 你贴的代码里评估指标计算、打印的逻辑重复写了两遍，直接删掉冗余部分即可，不影响运行但会产生重复计算。

train, test, validation = df.randomSplit([0.7, 0.2, 0.1], 1234)

# 先获取真实特征维度
prep_pipe = Pipeline(stages=stages.copy())
prep_model = prep_pipe.fit(train)
real_feature_dim = len(prep_model.transform(train).first().features)

# 正确配置MLP层维度
mlp = MultilayerPerceptronClassifier(
    labelCol='label',
    featuresCol='features',
    maxIter=100,
    layers=[real_feature_dim, 6, 4, 3],
    seed=1234
)
stages.append(mlp)

pipeline = Pipeline(stages=stages)
model = pipeline.fit(train)
pred = model.transform(test)

# 初始化评估器
acc_evaluator = MulticlassClassificationEvaluator(labelCol="label", predictionCol="prediction", metricName="accuracy")
prec_evaluator = MulticlassClassificationEvaluator(labelCol="label", predictionCol="prediction", metricName="weightedPrecision")
recall_evaluator = MulticlassClassificationEvaluator(labelCol="label", predictionCol="prediction", metricName="weightedRecall")
f1_evaluator = MulticlassClassificationEvaluator(labelCol="label", predictionCol="prediction", metricName="f1")

# 计算指标
accuracy = acc_evaluator.evaluate(pred)
precision = prec_evaluator.evaluate(pred)
recall = recall_evaluator.evaluate(pred)
f1 = f1_evaluator.evaluate(pred)

# 打印结果
print("Test Error = %g" % (1.0 - accuracy))
print("Accuracy = %g" % (accuracy))
print("Precision = %g" % (precision))
print("Recall = %g" % (recall))
print("F1 = %g" % (f1))

注意：Spark ML的多分类要求标签值是从0开始的连续整数，3分类对应标签应为0、1、2，如果你的标签编码不符合这个规则，后续可能触发标签范围错误，提前做字符串/离散值到0基索引的转换即可。

内容的提问来源于stack exchange，提问作者Lorenzo Maggio