Scala SPARK：如何从LabeledPoint为决策树创建分类特征信息？

我有一个

标签点

，我想运行一个决策树（以及后来的随机林）

使用代码：

import org.apache.spark.mllib.tree.DecisionTree
import org.apache.spark.mllib.tree.model.DecisionTreeModel
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.mllib.tree.impurity.Gini

val numClasses = 2
val categoricalFeaturesInfo = Map[Int, Int]() //change to what?
val impurity = "gini"
val maxDepth = 5
val maxBins = 32

val model = DecisionTree.trainClassifier(
  trainingData, numClasses, categoricalFeaturesInfo, impurity, maxDepth, maxBins)

在我的数据中，我有两种类型的特征：

某些功能是用户访问给定网站/域的次数（功能是一个网站/域，其值是访问次数）

其余的特性是一些声明性变量——二进制/分类变量

有没有办法从

标签点

自动创建

分类特征信息

？我想检查声明性变量（类型2）的级别，然后让这些信息创建

categoricalFeaturesInfo

我有一个包含声明性变量的列表：

List(6363,21345,23455,...

---

categoricalFeaturesInfo

应该从索引映射到给定功能的多个类。一般来说，识别分类变量可能会很昂贵，特别是当这些变量与连续变量严重混合时。此外，根据您的数据，它可以给出假阳性和假阴性。记住，最好手动设置这些值

如果仍要自动创建

分类功能信息

，可以查看。它在这种情况下不直接适用，但应该提供一个有用的代码库来构建您自己的解决方案。

检查我的答案！这可能会有帮助。

List(6363,21345,23455,...