Spark 實戰，第 5 部分: 使用 ML Pipeline 構建機器學習工做流

引言 使用機器學習 (Machine Learning) 技術和方法來解決實際問題，已經被成功應用到多個領域，咱們常常可以看到的實例有個性推薦系統，金融反欺詐，天然語言處理和機器翻譯，模式識別，智能控制等。一個典型的機器學習機器學習過程一般會包含：源數據 ETL，數據預處理，指標提取，模型訓練與交叉驗證，新數據預測等。咱們能夠看到這是一個包含多個步驟的流水線式工做，也就是說數據從收集開始，要經歷多

>>阅读原文<<