2000元阿里云代金券免费领取，2核4G云服务器仅664元/3年，新老用户都有优惠，立即抢购>>>
阿里云采购季（云主机223元/3年）活动入口：请点击进入>>>，
阿里云学生服务器（9.5元/月）购买入口：请点击进入>>>，
字段3 是分类特征字段，但是呢，在分类算法里不能直接用。所以，必须要转换为数值字段才能够被分类算法使用。
本文转自大数据躺过的坑博客园博客，原文链接：http://www.cnblogs.com/zlslch/p/7450754.html，如需转载请自行联系原作者
Spark Mllib里如何将trainDara训练数据的分类特征字段转换为数值字段（图文详解）
2017-11-14
1378
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
15天前
|
机器学习/深度学习
分布式计算
算法
|
4天前
|
SQL
分布式计算
关系型数据库
使用 Spark 抽取 MySQL 数据到 Hive 时某列字段值出现异常（字段错位）
在 MySQL 的 `order_info` 表中，包含 `order_id` 等5个字段，主要存储订单信息。执行按 `create_time` 降序的查询，显示了部分结果。在 Hive 中复制此表结构时，所有字段除 `order_id` 外设为 `string` 类型，并添加了 `etl_date` 分区字段。然而，由于使用逗号作为字段分隔符，当 `address` 字段含逗号时，数据写入 Hive 出现错位，导致 `create_time` 值变为中文字符串。问题解决方法包括更换字段分隔符或使用 Hive 默认分隔符 `\u0001`。此案例提醒在建表时需谨慎选择字段分隔符。
24
6
6
|
4天前
|
机器学习/深度学习
分布式计算
算法
【机器学习】Spark ML 对数据特征进行 One-Hot 编码
One-Hot 编码是机器学习中将离散特征转换为数值表示的方法，每个取值映射为一个二进制向量，常用于避免特征间大小关系影响模型。Spark ML 提供 OneHotEncoder 进行编码，输入输出列可通过 `inputCol` 和 `outputCol` 参数设置。在示例中，先用 StringIndexer 对类别特征编码，再用 OneHotEncoder 转换，最后展示编码结果。注意 One-Hot 编码可能导致高维问题，可结合实际情况选择编码方式。
17
6
6
|
8月前
|
分布式计算
算法
大数据
|
15天前
|
机器学习/深度学习
分布式计算
算法
|
15天前
|
机器学习/深度学习
分布式计算
搜索推荐
|
15天前
|
机器学习/深度学习
分布式计算
前端开发
【大数据技术】Spark MLlib机器学习线性回归、逻辑回归预测胃癌是否转移实战（附源码和数据集）
【大数据技术】Spark MLlib机器学习线性回归、逻辑回归预测胃癌是否转移实战（附源码和数据集）
38
0
0
|
15天前
|
机器学习/深度学习
分布式计算
大数据
【大数据技术】Spark MLlib机器学习特征抽取 TF-IDF统计词频实战（附源码和数据集）
【大数据技术】Spark MLlib机器学习特征抽取 TF-IDF统计词频实战（附源码和数据集）
37
0
0
|
15天前
|
机器学习/深度学习
分布式计算
算法
|
8月前
|
分布式计算
搜索推荐
算法
热门文章
最新文章
1
图解大数据 | 使用Spark分析新冠肺炎疫情数据@综合案例
2
地铁译：Spark for python developers --- 搭建Spark虚拟环境3
3
Spark 源码分析 -- BlockStore
4
7月24日晚Spark社区直播：【Apache Spark 基于 Apache Arrow 的列式存储优化】
5
Spark RDD类源码阅读
6
MapReduce Shuffle原理 与 Spark Shuffle原理
7
AnalyticDB MySQL — Spark 助力在OSS上构建低成本数据湖
8
Spark中分布式使用HanLP（1.7.0)分词示例
9
Spark 分析网站排名热度
10
spark-streaming-kafka-0-8 官网讲解
1
Spark MLlib简介与机器学习流程
46
2
Spark中的机器学习库MLlib是什么？请解释其作用和常用算法。
49
3
【大数据技术】Spark MLlib机器学习协同过滤电影推荐实战（附源码和数据集）
110
4
【大数据技术】Spark MLlib机器学习线性回归、逻辑回归预测胃癌是否转移实战（附源码和数据集）
38
5
【大数据技术】Spark MLlib机器学习特征抽取 TF-IDF统计词频实战（附源码和数据集）
37
6
【大数据技术】Spark MLlib机器学习库、数据类型详解（图文解释）
63
7
大数据Spark MLlib推荐算法
170
8
大数据Spark MLlib基于模型的协同过滤
61
9
大数据Spark MLlib推荐系统
119
10
大数据Spark MLlib机器学习
60