多项式转化 PolynomialExpansion
degree=3 时，x ,xx ,xxx ,y ,xy ,xxy ,yy ,xyy ,yyy
类别型数据常用独热编码：
字符转换成数字索引 StringIndexer
在转换成独热编码 OneHotEncoder
使用stringindex将category转换成categoryIndex 之后，本来a,b,c是没有大小顺序的，但是转换成数字索引后数字0,1,2有了大小关系，因此使用onehotencoder再次转换
一般只在测试集上进行独热编码，测试数据中可能会出现新的类别，比如‘e’，因此，编码时可以先预留一种‘rare’类别，新的类别都归进去
文本处理
基于DataFrame的StopWordsRemover处理
停止词的词表一般不需要自己制作，有很多可选项可以自己下载选用。中文暂时没有词表。
remover.transform(sentenceData).show(truncate=False)
truncate=False:结果show的时候太长也不会做截断，属性为True时会截断
Tokenize 将一句话转换成一个单词的序列
Count Vectorizer
说明features中第一行id为1 的数据[0,1,2],[1,1,1]，含义，左边是值，右边是出现次数，表示0出现1次，1出现1次，2出现一次。
要先使用fit对数据进行扫描，才知道数据的出现次数，进行编码，然后才能transport