我们正在将一个在线机器学习的线性回归模型从Vowpal Wabbit转换到Spark MLLib。Vowpal Wabbit通过使用链表支持的权重来训练模型，从而允许使用任意稀疏特征，而Spark MLLib则是通过固定长度数组支持的MLLib Vector权重来训练模型。

我们传递给模型的特征是任意字符串而不是类别。Vowpal Wabbit使用哈希将这些特征映射到权重值1.0。我们在MLLib中可以进行相同的映射，但受限于固定长度数组。在特征空间大小未知的情况下，是否可以在MLLib中训练这样的模型？

回答：

FeatureHasher可以实现这一点，并且使用与Vowpal Wabbit相同的哈希函数（MurmurHash3）。VowpalWabbit和FeatureHasher的默认特征数量都是2^18

https://spark.apache.org/docs/2.3.1/api/java/org/apache/spark/ml/feature/FeatureHasher.html