spark ML 决策树如何处理回归问题的连续特征答案

【问题标题】：How does spark ML decision tree handle continuous features for regression problemsspark ML 决策树如何处理回归问题的连续特征
【发布时间】：2017-11-04 01:42:15
【问题描述】：

我有分类特征和连续特征的混合体。我已经为我所有的分类变量编制了索引，并使用 VectorAssembler 创建了一个特征列

        StringIndexerModel indexer = new StringIndexer()
                    .setInputCol("categorical")
                    .setOutputCol("categoricalIdx1")
                    .setHandleInvalid("skip").fit(data);
        VectorAssembler assembler = new VectorAssembler()
                    .setInputCols(new String[]{"categoricalIdx1","continuous"})
                    .setOutputCol("features");

        DecisionTreeRegressor dt = new DecisionTreeRegressor()
                                       .setMaxBins(40)
                                       .setMaxDepth(10)
                                       .setFeaturesCol("features")
                                       .setLabelCol("commission")
                                       .setPredictionCol("prediction");

我找不到任何方法来指定哪些特征是分类的，哪些是连续的。并且由于所有列都已转换为数值，DecisionTreeRegressor 如何知道差异。我在这里想念什么？该代码似乎可以工作并且给出了很好的结果，但是我有一种预感，我在这里做错了。

【问题讨论】：

标签： java apache-spark machine-learning regression decision-tree

【解决方案1】：

Spark 使用MaxBins 来指定一个特征是分类的还是连续的。如果不同值的数量 MaxBins，则它是分类的。否则，连续。更多信息，请查看 Spark 的文档：decision tree

【讨论】：