我想在线性回归中使用日期。 所以我必须将其转换为数字。我必须设置最低日期0并根据日期差异不断增加数字。
然后我可以使用Scala，Spark MLlib在线性回归中使用日期字段。 我已准备好数据框，包括日期等一些字段。 例如，
| date | id |
| 01-01-2017 | 12 |
| 01-02-2016 | 13 |
| 05-05-2016 | 22 |
对于字符串，我使用了一种热编码技术。但是对于日期，如何将第一个日期设置为0，然后根据差异增加数量？ 感谢。
答案 0 :(得分：1)
这完全取决于您要创建的模型。对于非常基本的趋势建模，您可以将数据转换为Unix时间戳：
getClass().getSimpleName().toLowerCase()不需要额外的处理，但您当然可以将其从0开始，或者重新缩放到更方便的比例。
更多高级建模将包括提取不同的组件，如import org.apache.spark.sql.functions._
val parsed = df.withColumn("date", unix_timestamp($"date", "dd-MM-yyyy"))
或month。这些通常应该被视为分类变量和一个热编码。