预测¶

类 pyspark.ml。 预测 ¶

预测估计任务(回归和分类)。

方法

`清晰的`(参数)	清除参数映射的参数是否被显式地设置。
`复制`((额外的))	创建这个实例的副本具有相同uid和一些额外的参数。
`explainParam`(参数)	解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。
`explainParams`()	返回文档的所有参数选择默认值和用户提供的值。
`extractParamMap`((额外的))	提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。
`适合`(数据集[params))	适合一个模型与可选参数的输入数据集。
`fitMultiple`(paramMaps数据集)	适合一个模型为每个参数映射的输入数据集paramMaps。
`getFeaturesCol`()	得到的价值featuresCol或其默认值。
`getLabelCol`()	得到的价值labelCol或其默认值。
`getOrDefault`(参数)	得到参数的值在用户提供的参数映射或其默认值。
`getParam`(paramName)	通过它的名称参数。
`getPredictionCol`()	得到的价值predictionCol或其默认值。
`hasDefault`(参数)	检查是否一个参数有默认值。
`hasParam`(paramName)	测试这个实例包含一个参数是否与给定名称(字符串)。
`isDefined`(参数)	检查参数是否由用户或显式地设置一个默认值。
`收取`(参数)	检查参数是否由用户显式地设置。
`集`(参数值)	设置一个参数嵌入参数映射。
`setFeaturesCol`(值)	设置的值`featuresCol`。
`setLabelCol`(值)	设置的值`labelCol`。
`setPredictionCol`(值)	设置的值`predictionCol`。

属性

`featuresCol`
`labelCol`
`参数个数`	返回所有参数命令的名字。
`predictionCol`

方法的文档

清晰的 ( 参数:pyspark.ml.param.Param )→没有¶: 清除参数映射的参数是否被显式地设置。

复制 ( 额外的:可选(ParamMap]=没有一个 )→P¶

创建这个实例的副本具有相同uid和一些额外的参数。默认实现创建一个浅拷贝使用copy.copy (),然后复制嵌入和额外参数并返回副本。子类应该覆盖这个方法如果默认的方法是不够的。

参数

额外的 东西,可选: 额外参数复制到新实例

返回

参数个数: 这个实例的副本

explainParam ( 参数:联盟(str,pyspark.ml.param.Param] )→str¶: 解释一个参数并返回它的名字,医生,和可选的默认值,用户提供的字符串值。

explainParams ( )→str¶: 返回文档的所有参数选择默认值和用户提供的值。

extractParamMap ( 额外的:可选(ParamMap]=没有一个 )→ParamMap¶

提取嵌入默认参数值和用户提供的值,然后合并他们额外的值从输入平面参数映射,后者使用价值如果存在冲突,即。排序:默认参数值< <额外的用户提供的值。

参数

额外的 东西,可选: 额外的参数值

返回

dict: 合并后的参数映射

适合 ( 数据集:pyspark.sql.dataframe.DataFrame,参数个数:联盟[ParamMap、列表(ParamMap)元组(ParamMap),没有一个)=没有一个 )→联盟(米,列表(米] ] ¶

适合一个模型与可选参数的输入数据集。

参数

数据集 pyspark.sql.DataFrame: 输入数据集。
参数个数 dict或列表或元组,可选的: 一个可选的参数覆盖嵌入参数的地图。如果列表/元组的参数映射,这适用于每一个参数并返回一个列表的模型映射。

返回

变压器或者一个列表变压器: 拟合模型(年代)

fitMultiple ( 数据集:pyspark.sql.dataframe.DataFrame,paramMaps:序列(ParamMap] )→迭代器(元组(int,米] ] ¶

适合一个模型为每个参数映射的输入数据集paramMaps。

参数

数据集 pyspark.sql.DataFrame: 输入数据集。
paramMaps collections.abc.Sequence: 一系列的参数映射。

返回

_FitMultipleIterator: 一个线程安全的iterable包含为每个参数映射模型。每次调用下一个(modelIterator)将返回(指数模型)模型是适合使用在哪里paramMaps(指数)。指数值可能不是连续的。

getFeaturesCol ( )→str¶: 得到的价值featuresCol或其默认值。

getLabelCol ( )→str¶: 得到的价值labelCol或其默认值。

getOrDefault ( 参数:联盟(str,pyspark.ml.param.Param(T]] )→联盟(任何,T] ¶: 得到参数的值在用户提供的参数映射或其默认值。如果没有设置提出了一个错误。

getParam ( paramName:str )→pyspark.ml.param.Param ¶: 通过它的名称参数。

getPredictionCol ( )→str¶: 得到的价值predictionCol或其默认值。

hasDefault ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶: 检查是否一个参数有默认值。

hasParam ( paramName:str )→bool¶: 测试这个实例包含一个参数是否与给定名称(字符串)。

isDefined ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶: 检查参数是否由用户或显式地设置一个默认值。

收取 ( 参数:联盟(str,pyspark.ml.param.Param(任何]] )→bool¶: 检查参数是否由用户显式地设置。

集 ( 参数:pyspark.ml.param.Param,价值:任何 )→没有¶: 设置一个参数嵌入参数映射。

setFeaturesCol ( 价值:str )→P¶: 设置的值featuresCol。

setLabelCol ( 价值:str )→P¶: 设置的值labelCol。

setPredictionCol ( 价值:str )→P¶: 设置的值predictionCol。

属性的文档

featuresCol =参数(父母=‘定义’,name = ' featuresCol ', doc =功能列名称。) ¶

labelCol :Param (str) =参数(父母=‘定义’,name = ' labelCol ', doc =“标签列名。”) ¶

参数个数 ¶: 返回所有参数命令的名字。默认实现使用dir ()所有的属性类型参数。

predictionCol =参数(父母=‘定义’,name = ' predictionCol ', doc =预测列名称。) ¶

以前的

模型

下一个

PredictionModel