组装向量

Pipeline 的最后一步是将包含特征的所有列合并到一个单独的列中。建模前必须完成此步骤，因为每个 Spark 建模流程都要求数据是这种形式。您可以把每一列的值存入一个向量的条目中。这样，从模型的角度看，每条观测就是一个包含其全部信息的向量，再配上一个标签，告诉建模者该观测对应的取值。

因此，pyspark.ml.feature 子模块提供了一个名为 VectorAssembler 的类。这个 Transformer 会把您指定的所有列合并成一个新的向量列。