星火ML决策树如何处理回归问题的连续特征

Question

我有一个分类和连续的混合特征。我已经索引了我所有的分类变量，我使用VectorAssembler创建了一个特性列

        StringIndexerModel indexer = new StringIndexer()
                    .setInputCol("categorical")
                    .setOutputCol("categoricalIdx1")
                    .setHandleInvalid("skip").fit(data);
        VectorAssembler assembler = new VectorAssembler()
                    .setInputCols(new String[]{"categoricalIdx1","continuous"})
                    .setOutputCol("features");

        DecisionTreeRegressor dt = new DecisionTreeRegressor()
                                       .setMaxBins(40)
                                       .setMaxDepth(10)
                                       .setFeaturesCol("features")
                                       .setLabelCol("commission")
                                       .setPredictionCol("prediction");

我找不到任何方法来指定哪些特性是绝对的，哪些是连续的。既然所有的列都被转换成数值，那么DecisionTreeRegressor如何知道它们之间的区别。我在这里错过了什么？这段代码看起来很有效，并给出了很好的效果，但是我有一种预感，我在这里做了一些错误的事情。

Answer 1

Spark使用MaxBins指定一个功能是绝对的或连续的。如果不同值的数量<= MaxBins，则为绝对值。否则是连续的。有关更多信息，请查看星火的文档：决策树