Spark机器学习--Ch3 ----3.4从数据中提取有用特征

类别特征：

原始形式时，取值可能来自一个集合而不是数字，所以不能作为输入。

也称为：

     名义变量：各个取值之间没有顺序关系。

     有序变量：存在顺序关系，比如评级。

将类别特征表示为数字形式，常可借助k之1编码(1-of-k)。

派生特征：

从原始数据派生特征的例子：平均值、中位数、方差等。

数值特征到类别特征的转换：比如划分区间的年龄、地理位置和时间。

文本特征

一种简单标准化的特征提取方法：词袋法

词袋法将一段文本视为