核心概念

MLeap 通过多个核心构件（Building Block）来实现 Pipeline 的轻松部署。

概念	说明
Data Frames	用于存储将被转换的数据，类似于 SQL 表。
Transformers	从 Data Frame 中提取数据，对数据应用某些操作，并输出新的字段到 Data Frame 中。
Pipelines	使用 Pipeline 来对 Data Frame 执行一系列 Transformer 的操作。
特征联合（Feature Unions，仅适用于 Scikit Learn）	使用特征联合来并行执行包含 Transformer 的多个 Pipeline，并在结束后结合（Join）产出的结果。
MLeap Bundles	以通用的 JSON 和 Protobuf 等序列化格式来存储 ML Pipeline。
MLeap Runtime	在 JVM 中以轻量级的数据结构来执行 ML Pipeline。

虽然本章的目的是为不熟悉 Pipeline 和 Data Frame 等机器学习基础的人提供的一份入门指导，但是关于 MLeap Bundle 和 MLeap Runtme 的章节也适用于所有人。