11.7 流水线API
从 Spark 1.2 起，基于机器学习流水线的概念，MLlib 增加了一套新的高层机器学习 API。
这套 API 和 SciKit-Learn（http://scikit-learn.org）中提供的流水线 API 比较相似。
简单地说，流水线就是一系列转化数据集的算法（要么是特征转化，要么是模型拟合）。
流水线的每个步骤都可能有参数（例如逻辑回归中的迭代次数）。
流水线 API 通过使用所选的评估矩阵评估各个集合，使用网格搜索自动找到最佳的参数集。
流水线 API 使用 Spark SQL 中的 SchemaRDD 作为统一的数据集表示形式。
SchemaRDD 中有多个有名字的列，这样要引用数据的不同字段就会比较容易。
流水线的各步骤可能会给 SchemaRDD 加上新的列（例如提取了特征的数据）。