OneVsRestModel¶

类 pyspark.ml.classification。 OneVsRestModel ( 模型:列表(pyspark.ml.classification.ClassificationModel] ) ¶

由OneVsRest模型拟合。这个培训带来的存储模型k二元分类器:一个为每个类。每个例子是得分对所有k模型,该模型与得分最高的是标签的例子了。

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和一个随机生成的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。
`getClassifier`()	得到的值分类器或其默认值。
`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。
`getRawPredictionCol`()	得到的价值rawPredictionCol或其默认值。
`getWeightCol`()	得到的价值weightCol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。
`负载`(路径)	从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。
`读`()	返回一个MLReader这个类的实例。
`保存`(路径)	这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。
`集`(参数值)	设置一个参数嵌入参数映射。
`setFeaturesCol`(值)	设置的值`featuresCol`。
`setPredictionCol`(值)	设置的值`predictionCol`。
`setRawPredictionCol`(值)	设置的值`rawPredictionCol`。
`变换`(数据集[params))	与可选参数转换的输入数据集。
`写`()	返回一个MLWriter实例毫升实例。

属性

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

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 )→OneVsRestModel¶

创建这个实例的副本和一个随机生成的uid和一些额外的参数。这将创建一个深嵌入式paramMap副本,副本嵌入式和额外的参数。

参数

额外的 东西,可选: 额外参数复制到新实例

返回

OneVsRestModel: 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

getClassifier ( )→pyspark.ml.classification.Classifier¶: 得到的值分类器或其默认值。

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。

getRawPredictionCol ( )→str¶: 得到的价值rawPredictionCol或其默认值。

getWeightCol ( )→str¶: 得到的价值weightCol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。

classmethod 负载 ( 路径:str )→RL¶: 从输入路径,读取一个毫升实例的快捷方式read () .load(路径)。

classmethod 读 ( )→pyspark.ml.classification.OneVsRestModelReader¶: 返回一个MLReader这个类的实例。

保存 ( 路径:str )→没有¶: 这个毫升实例保存到给定的路径,一个快捷方式的“写().save(路径)。

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 )→pyspark.ml.classification.OneVsRestModel ¶: 设置的值featuresCol。

setPredictionCol ( 价值:str )→pyspark.ml.classification.OneVsRestModel ¶: 设置的值predictionCol。

setRawPredictionCol ( 价值:str )→pyspark.ml.classification.OneVsRestModel ¶: 设置的值rawPredictionCol。

变换 ( 数据集:pyspark.sql.dataframe.DataFrame,参数个数:可选(ParamMap]=没有一个 )→pyspark.sql.dataframe.DataFrame¶

与可选参数转换的输入数据集。

参数

数据集 pyspark.sql.DataFrame: 输入数据集
参数个数 东西,可选: 一个可选的参数覆盖嵌入参数的地图。

返回

pyspark.sql.DataFrame: 改变了数据集

写 ( )→pyspark.ml.util.MLWriter ¶: 返回一个MLWriter实例毫升实例。

属性的文档

分类器 :pyspark.ml.param.Param pyspark.ml.classification.Classifier =参数(父母=‘定义’,name =“分类”,医生=“基二元分类器”) ¶

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

labelCol =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。) ¶

rawPredictionCol =参数(父母=‘定义’,name = ' rawPredictionCol ', doc =“原始预测(又名信心)列名”。) ¶

weightCol =参数(父母=‘定义’,name = ' weightCol ', doc = '体重列名。如果这不是设置或空,我们对所有实例权重为1.0。”) ¶

以前的

OneVsRest

下一个

FMClassifier