我想在线性回归中使用日期。因此，我需要将其转换为数字。我必须将最早的日期设为0，并根据日期差异持续增加一个数字。

然后，我可以使用Scala和Spark MLlib在线性回归中使用日期字段。我已经准备好了一个包含日期等字段的数据框架。例如，

| date       | id || 01-01-2017 | 12 || 01-02-2016 | 13 || 05-05-2016 | 22 |

对于字符串，我已经使用了一键编码技术。但对于日期，我该如何将第一个日期设为0，然后根据差异增加数字呢？谢谢。

回答：

这完全取决于你想创建的模型。对于非常基本的趋势建模，你可以简单地将你的数据转换为Unix时间戳：

import org.apache.spark.sql.functions._val parsed = df.withColumn("date", unix_timestamp($"date", "dd-MM-yyyy"))

不需要额外的处理，但你当然可以调整它以从0开始，或者重新调整到更方便的尺度。

更高级的建模将包括提取不同的组件，如month或dayofweek。这些一般应被视为分类变量，并进行一键编码处理。