wang2leee的博客

java python中缀表达式转换为后缀表达式的算法示意图代码示例

spark ChiSqTest Statistics卡方统计用法示例源码详解

Spark中的`SparseVector`是一个表示稀疏向量的类。它使用两个数组来存储非零元素的索引和对应的值，从而节省了内存空间。

构造一个稠密向量，使用给定的值数组作为参数。size: Int：返回向量的大小。：返回向量的字符串表示形式。：将向量转换为值数组。：将向量转换为Breeze库中的向量。：获取指定索引处的元素值。：复制向量，返回新的实例。：对向量中的每个非零元素执行指定的操作。：判断向量是否与另一个对象相等。：计算向量的哈希码。：返回向量中非零元素的数量。：返回向量中非零元素的数量。：将稠密向量转换为稀疏向量。：返回向量中最大元素的索引。：从实例中提取值数组。

Bucketizer将连续特征的列映射到特征桶的列。

`Binarizer` 是 Spark MLlib 中的一个类，用于将连续特征二值化（binarize），根据给定的阈值将连续特征转换为二进制特征。

`SQLTransformer`实现了由SQL语句定义的转换。

QuantileDiscretizer是Spark MLlib中的一个特征转换器，用于将连续特征按照分位数进行离散化。它可以将一列连续特征值转换为具有离散级别的特征值，常用于处理连续特征数据，使其能够应用于基于离散特征的机器学习模型。

有监督离散化与无监督离散化相比，主要区别在于使用的信息来源不同。有监督离散化使用了目标变量（标签），将连续特征划分为离散区间时考虑了目标变量的分布情况，因此更适合于需要根据目标变量进行划分的任务。而无监督离散化则独立于目标变量，仅根据特征本身的分布进行离散化。有监督离散化是一种数据预处理技术，用于将连续特征转换为离散的取值。在机器学习和数据挖掘任务中，有时需要将连续特征离散化，以便更好地适应模型的需求或者提高计算效率。等宽离散化将连续特征划分为具有相等区间宽度的离散区间。