聚类(一)pyspark 实现特征的ID化

来源:互联网 发布:安能快递有淘宝店用吗 编辑:程序博客网 时间:2024/06/06 02:40
  • 项目中需要实现一个简单的聚类,初步衡量了下样本数量在2000W左右,第一次写spark还是14年的时候,而且都是基于java实现的模型算法,这次就简单用pyspark实现了特征的Id化, 即将字符串类型的特征转为数字表示的Id。这个在模型中相对比较常见, 比较主要的点应该是使用broadcast广播了特征和id的映射关系。
0 0
原创粉丝点击