我有一组包含分类和连续特征的数据。我已经对所有分类变量进行了索引，并使用VectorAssembler创建了一个特征列

        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征是分类特征，哪些是连续特征。由于所有列都已转换为数值，DecisionTreeRegressor如何区分它们？我在这里错过了什么？代码似乎运行良好，并且给出了相当不错的结果，但我有一种感觉，我在这里做了一些错误的事情。

回答：

Spark使用MaxBins来区分一个特征是分类还是连续。如果不同值的数量 <= MaxBins，则该特征被视为分类特征。否则，为连续特征。更多信息，请查看Spark的文档：决策树