OneHotEncoder介绍单属性多属性scala实现

       因为项目的需要，将数据库中表的属性向量化，然后进行机器学习，所以去spark官网学习了一下OneHotEncoder,官网的相关介绍比较少，主要是针对单属性的处理，但是项目的要求是多属性的处理，网上找了很多的资料，研究了大半天终于将它集成到了自己的项目之中，下面分享一下自己的学习心得，说的不好的地方，还请各位大神多多指教。

      介绍：将类别映射为二进制向量，其中至多一个值为1（其余为零），这种编码可供期望连续特征的算法使用，比如逻辑回归，这些分类的算法。

     好处：1.解决分类器不好处理属性数据的问题（分类器往往默认数据是连续的，并且是有序的）

                2.在一定程度上也起到了扩充特征的作用

     原理：1.String字符串转换成索引IndexDouble

                2.索引转化成SparseVector

      总结：OneHotEncoder=String->IndexDouble->SparseVector

单属性的官网实现：

package com.iflytek.features
import org.apache.spark.ml.feature.{OneHotEncoder, StringIndexer}
import org.apache.spark.ml.feature.{IndexT