組裝向量

Pipeline 的最後一步，是把包含特徵的所有欄位合併成單一欄位。建模前一定要先完成這一步，因為所有 Spark 的建模程序都假設資料是這種形式。你可以把每個欄位的值存成向量中的一個元素。如此一來，從模型的角度看，每筆觀測就是一個向量，裡面包含該觀測的所有資訊，外加一個標籤，用來告訴模型該觀測對應到的值。

基於這個需求，pyspark.ml.feature 子模組提供了 VectorAssembler 類別。這個 Transformer 會把你指定的所有欄位合併為一個新的向量欄位。