1.30学习总结：特征转换(标签和索引的转换)

一、概述

　　1.1 在机器学习处理过程中，为了方便相关算法的实现，通常需要将标签数据（一般为字符串）转换成整数索引，或者在算法结束后将整数索引还原成相应标签。

　　1.2 在Spark ML包中提供了几个相关的转换器：

　　　　 StringIndex：将一列类别型的特征(或标签)进行编码，使其数值化，索引的范围从0开始，索引的顺序为标签的频率，出现频率最高的标签索引为0，如果输入为数值型，先将其转化成字符型再进行编码　

　　　　IndexToString：与StringIndex相反，将整形索引还原成字符型　

　　　　VectorIndexer：如果所有特征都被集中在一个向量中，又想对其中某些单个分量进行处理时，可以使用VectorIndexer

二、代码实现

　　2.1 使用 StringIndex进行转化

              引入所需的类

　　　　 

 　　　　构建一个DataFrame，设置StringIndex的输入列和输出列名字

　　　　

 　　　　训练模型

　　　　

 　　2.2使用IndexToString进行转换

　　　　

 　　2.3使用VectorIndexer进行转化

　　　　导入相应的包，构建数据集

　　　　

 　　　　构建转化器并进行训练

　　　　

 　　　　通过categoryMaps来获得被转换的特征及其映射

　　　　

 　　　　将模型应用于原有数据，完成转换

　　　　

 三、学习视频

https://www.bilibili.com/video/BV1oE411s7h7?p=74