我在尝试使用MLBase中的逻辑回归模型来预测广告的点击率（CTR）。在我的数据集中有一些分类变量，我希望将它们转换为用作模型输入的虚拟/指示变量。我的数据看起来像这样

"log_time","country","gender""2015-05-19","USA","M""2015-05-20","IND","F"

在MLBase或Scala中是否有解决方案可以完成这种转换？

回答：

你所寻找的被称为独热编码。

Spark的MLlib有一个独热编码器可以帮你完成这个任务。