【发布时间】：2018-01-19 11:20:53
【问题描述】：
根据 Spark NaiveBayes 的官方文档：
它支持多项式 NB（见此处），可以有限处理 支持离散数据。
如何在 Spark NaiveBayes 中处理连续数据（例如：某些文档中某些的百分比）？
【问题讨论】：
标签： apache-spark apache-spark-mllib naivebayes
【发布时间】：2018-01-19 11:20:53
【问题描述】：
当前的实现只能处理二进制特征，因此为了获得良好的结果，您必须对数据进行离散化和编码。对于离散化，您可以使用Buketizer 或QuantileDiscretizer。前一种成本较低，当您想使用一些特定领域的知识时可能更适合。
对于编码，您可以使用OneHotEncoder 进行虚拟编码。调整后的dropLastParam。
所以总的来说你需要：
-
QuantileDiscretizer或Bucketizer->OneHotEncoder用于每个连续特征。 -
StringIndexer* ->OneHotEncoder用于每个离散特征。 -
VectorAssembler结合以上所有内容。
* 或预定义的列元数据。
【讨论】：