我正在学习Spark，其中一个教程中有以下代码。我知道数据帧是下面代码中的一个热门编码，但我不明白的是为什么要使用StringIndexer？StringIndexer是否应该与OneHotEncoderEstimator一起使用？val si=新StringIndexer((.setHandleInvalid("keep"(.setInputCol(ProcuctTypeCol(.setOutputCol(ProcductTypeSIOutCol(
val ohe = new OneHotEncoderEstimator()
.setHandleInvalid("keep")
.setInputCols(Array(si.getOutputCol))
.setOutputCols(Array(ProductTypeOHEOutCol))
val pipeline = new Pipeline()
.setStages(Array(si, ohe))
感谢
SI将字符串值转换为integer，OHE在OHE编码中生成integer，如果您的列在int中，如1,2,3，则可以直接应用OHE。但如果你的标签像A、B、C这样的字符串，你必须先使用SI，然后再使用OHE