AI 助理
文档备案控制台
开发者社区 大数据 文章 正文

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 1544
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：

 

 　　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

文章标签：
Web App开发
算法
大数据
分布式计算
Spark
关键词：
apache spark特征
apache spark训练
apache spark数据
apache spark字段
apache spark数据特征
技术小哥哥
目录
相关文章
极客李华
|
机器学习/深度学习 分布式计算 算法
Spark中的机器学习库MLlib是什么？请解释其作用和常用算法。
Spark中的机器学习库MLlib是什么？请解释其作用和常用算法。
极客李华
711 0
大熊计算机
|
12月前
|
人工智能 分布式计算 大数据
大数据≠大样本：基于Spark的特征降维实战（提升10倍训练效率）
本文探讨了大数据场景下降维的核心问题与解决方案，重点分析了“维度灾难”对模型性能的影响及特征冗余的陷阱。通过数学证明与实际案例，揭示高维空间中样本稀疏性问题，并提出基于Spark的分布式降维技术选型与优化策略。文章详细展示了PCA在亿级用户画像中的应用，包括数据准备、核心实现与效果评估，同时深入探讨了协方差矩阵计算与特征值分解的并行优化方法。此外，还介绍了动态维度调整、非线性特征处理及降维与其他AI技术的协同效应，为生产环境提供了最佳实践指南。最终总结出降维的本质与工程实践原则，展望未来发展方向。
大熊计算机
636 0
aliyun4381607004
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景，随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码，发现使用的`nativeBooster.saveModel`方法不支持OSS路径，而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令，帮助用户顺利迁移模型存储路径。
aliyun4381607004
950 1
kng32f3vbngrm
|
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。
kng32f3vbngrm
639 6
热烈的马
|
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）
热烈的马
309 1
晓之以理的喵~~
|
机器学习/深度学习 分布式计算 算法
Spark MLlib简介与机器学习流程
Spark MLlib简介与机器学习流程
晓之以理的喵~~
631 0
热烈的马
|
机器学习/深度学习 分布式计算 搜索推荐
【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）
【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）
热烈的马
626 0
热烈的马
|
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）
热烈的马
277 0
热烈的马
|
机器学习/深度学习 分布式计算 算法
【大数据技术】Spark MLlib机器学习库、数据类型详解（图文解释）
【大数据技术】Spark MLlib机器学习库、数据类型详解（图文解释）
热烈的马
448 0
赵广陆
|
分布式计算 算法 大数据
大数据Spark MLlib推荐算法
大数据Spark MLlib推荐算法
赵广陆
808 0

热门文章

最新文章

  • 1
    阿里巴巴瑾谦/沐远：云HBaseSQL及分析——Phoenix&Spark
  • 2
    【译】使用Spark SQL 运行大规模基因组工作流
  • 3
    云栖社区2019年1月技术活动：PG， Java，Spark等30+场预告【持续更新】
  • 4
    钉钉群直播【Spark Relational Cache 原理和实践】
  • 5
    【Spark Summit East 2017】使用Spark进行时间序列分析
  • 6
    【大数据技术Spark】Spark SQL操作Dataframe、读写MySQL、Hive数据库实战（附源码）
  • 7
    5月14日Apache Spark中国社区技术直播【Analytics Zoo上的分布式TensorFlow训练AI玩FIFA足球游戏】
  • 8
    原创 | 以Spark性能调优为例，说说如何书写简历项目的技术难点
  • 9
    【Spark】（七）Spark partition 理解 / coalesce 与 repartition的区别
  • 10
    Spark 环境搭建_下载和解压 Spark 安装包|学习笔记
  • 1
    Spark中的机器学习库MLlib是什么？请解释其作用和常用算法。
    711
  • 2
    【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）
    627
  • 3
    【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）
    278
  • 4
    【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）
    309
  • 5
    【大数据技术】Spark MLlib机器学习库、数据类型详解（图文解释）
    448
  • 6
    Hadoop生态系统中的机器学习与数据挖掘技术：Apache Mahout和Apache Spark MLlib的应用
    775
  • 7
    Spark机器学习库(MLlib)指南之简介及基础统计
    640
  • 8
    机器学习 spark.mllib 数据类型学习
    284
  • 9
    【Spark MLlib】（一）架构解析（包含分类、回归、聚类和协同过滤）
    1092
  • 10
    基于Spark的机器学习实践 (二) - 初识MLlib
    550

    • 相关课程

    更多
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第一阶段
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第三阶段
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第五阶段
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第六阶段
  • 大数据实时计算框架Spark快速入门

    • 相关电子书

    更多
  • Apache spark Mllib's
  • Apache Spark MLlib 2.x:How to
  • Apache Spark MLlib's past traj
    • 下一篇
    阿里云新品发布AI DeepSign，为AI生成作品赋予可信身份证