首先，要明白为什么有时候，数值特征字段需要进行标准化？
答：因为，当我们若用回归分析算法时，必须将数值特征字段进行标准化，这是因为数值特征字段单位不同，数字差异很大，所以无法彼此比较，这时，就需要使用标准化，使得数值特征字段具有共同的标准。
加入数据标准化 withMean = false
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/7455461.html，如需转载请自行联系原作者
Spark Mllib里如何将数值特征字段用StandardScaler进行标准化（图文详解）
2017-11-14
1117
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
|
机器学习/深度学习
分布式计算
算法
|
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。
258
6
6
|
机器学习/深度学习
分布式计算
算法
|
机器学习/深度学习
分布式计算
搜索推荐
|
分布式计算
算法
大数据
|
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）
141
1
1
|
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）
131
0
0
|
机器学习/深度学习
分布式计算
算法
|
分布式计算
搜索推荐
算法
|
机器学习/深度学习
存储
分布式计算
热门文章
最新文章
1
3 秒音频也能克隆？拆解 Spark-TTS 架构的极致小样本学习
2
Spark MLlib中的协同过滤
3
Apache Spark源码走读（十一）浅谈mllib中线性回归的算法实现&Spark MLLib中拟牛顿法L-BFGS的源码实现
4
协同过滤算法 R/mapreduce/spark mllib多语言实现
5
Spark MLlib架构解析（含分类算法、回归算法、聚类算法和协同过滤）
6
10月15日社区直播【Intel MLlib：构建平台优化的Spark机器学习】
7
Apache Spark机器学习.1.4 MLlib
8
基于Spark的机器学习实践 (二) - 初识MLlib
9
【Spark Summit East 2017】使用Spark MLlib和Apache Solr构建实时实体类型识别系统
10
【Spark Summit EU 2016】物联网中的Lambda架构——使用Spark Streaming与MLlib进行快速数据分析
1
在hue上部署spark作业
256
2
Python与Apache Spark：实时AI的大数据引擎——Spark Streaming实战
329
3
MaxCompute操作报错合集之 Spark Local模式启动报错，是什么原因
137
4
MaxCompute操作报错合集之使用Spark查询时函数找不到的原因是什么
98
5
E-MapReduce Serverless Spark 版测评
11683
6
迟来的EMR Serverless Spark评测报告
409
7
E-MapReduce Serverless Spark 评测
121
8
E-MapReduce Serverless Spark开发者评测
151
9
DataWorks产品使用合集之怎么编写和执行Spark SQL
243
10
带你读《阿里云产品五月刊》——五、阿里云 EMR Serverless Spark 版开启免费公测
202