Binarizer

类 pyspark.ml.feature。 Binarizer ( *,阈值:浮动=0.0,inputCol:可选(str]=没有一个,outputCol:可选(str]=没有一个,阈值:可选(列表(浮动]]=没有一个,inputCols:可选(列表(str]]=没有一个,outputCols:可选(列表(str]]=没有一个 )

Binarize一列连续给定的阈值特性。3.0.0以来,Binarize一次可以映射多个列通过设置inputCols参数。注意,当这两个inputCol和inputCols参数设置,就会抛出一个异常。的阈值参数是用于单一列使用,阈值是多个列。

例子

> > >df=火花。createDataFrame(((0.5),(“价值观”])> > >binarizer=Binarizer(阈值=1.0,inputCol=“价值观”,outputCol=“特征”)> > >binarizer。setThreshold(1.0)Binarizer……> > >binarizer。setInputCol(“价值观”)Binarizer……> > >binarizer。setOutputCol(“特征”)Binarizer……> > >binarizer。变换(df)。头()。特性0.0> > >binarizer。setparam(outputCol=“频率”)。变换(df)。头()。频率0.0> > >参数个数={binarizer。阈值:- - - - - -0.5,binarizer。outputCol:“向量”}> > >binarizer。变换(df,参数个数)。头()。向量1.0> > >binarizerPath=temp_path+“/ binarizer”> > >binarizer。保存(binarizerPath)> > >loadedBinarizer=Binarizer。负载(binarizerPath)> > >loadedBinarizer。getThreshold()= =binarizer。getThreshold()真正的> > >loadedBinarizer。变换(df)。取(1)= =binarizer。变换(df)。取(1)真正的> > >df2=火花。createDataFrame(((0.5,0.3)),(“values1”,“values2”])> > >binarizer2=Binarizer(阈值=(0.0,1.0])> > >binarizer2。setInputCols([“values1”,“values2”])。setOutputCols([“output1”,“output2”])Binarizer……> > >binarizer2。变换(df2)。显示()+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +| values1 | values2 | output1 | output2 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +| 0.5 | 0.3 | 1.0 | 0.0 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +…

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。
getInputCol()	得到的价值inputCol或其默认值。
getInputCols()	得到的价值inputCols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。
getOutputCol()	得到的价值outputCol或其默认值。
getOutputCols()	得到的价值outputCols或其默认值。
getParam(paramName)	通过它的名称参数。
getThreshold()	得到的值阈值或其默认值。
getThresholds()	得到的值阈值或其默认值。
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。
setInputCol(值)	设置的值inputCol。
setInputCols(值)	设置的值inputCols。
setOutputCol(值)	设置的值outputCol。
setOutputCols(值)	设置的值outputCols。
setparam(自我,\[、阈值、inputCol…))	为这个Binarizer设置参数。
setThreshold(值)	设置的值阈值。
setThresholds(值)	设置的值阈值。
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

inputCol
inputCols
outputCol
outputCols
参数个数	返回所有参数命令的名字。
阈值
阈值

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 )→摩根大通

创建这个实例的副本具有相同uid和一些额外的参数。这个实现第一次调用参数。复制和then make a copy of the companion Java pipeline component with extra params. So both the Python wrapper and the Java pipeline component get copied.

参数

额外的 东西,可选

额外参数复制到新实例

返回

JavaParams

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

getInputCol ( )→str

得到的价值inputCol或其默认值。

getInputCols ( )→列表(str]

得到的价值inputCols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。

getOutputCol ( )→str

得到的价值outputCol或其默认值。

getOutputCols ( )→列表(str]

得到的价值outputCols或其默认值。

getParam ( paramName:str )→pyspark.ml.param.Param

通过它的名称参数。

getThreshold ( )→浮动

得到的值阈值或其默认值。

getThresholds ( )→列表(浮动]

得到的值阈值或其默认值。

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.util.JavaMLReader(RL]

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。

setInputCol ( 价值:str )→pyspark.ml.feature.Binarizer

设置的值inputCol。

setInputCols ( 价值:列表(str] )→pyspark.ml.feature.Binarizer

设置的值inputCols。

setOutputCol ( 价值:str )→pyspark.ml.feature.Binarizer

设置的值outputCol。

setOutputCols ( 价值:列表(str] )→pyspark.ml.feature.Binarizer

设置的值outputCols。

setparam ( 自我,\ *,阈值= 0.0,inputCol =没有,outputCol =没有,阈值=没有,inputCols =没有,outputCols =没有 )

为这个Binarizer设置参数。

setThreshold ( 价值:浮动 )→pyspark.ml.feature.Binarizer

设置的值阈值。

setThresholds ( 价值:列表(浮动] )→pyspark.ml.feature.Binarizer

设置的值阈值。

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.JavaMLWriter

返回一个MLWriter实例毫升实例。

属性的文档

inputCol =参数(父母=‘定义’,name = ' inputCol ', doc =输入列名称。)

inputCols =参数(父母=‘定义’,name = ' inputCols ', doc =输入列名称。)

outputCol =参数(父母=‘定义’,name = ' outputCol ', doc =输出列名称。)

outputCols =参数(父母=‘定义’,name = ' outputCols ', doc =输出列名称。)

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。

阈值 :pyspark.ml.param.Param(浮动) =参数(父母=‘定义’,name =“阈值”,医生= '参数阈值用于binarize连续特性。大于阈值的特性将关键1.0。等于或小于阈值的特性将关键0.0”)

阈值 :pyspark.ml.param.Param列表(浮动) =参数(父母=‘定义’,name =“阈值”,医生= '参数阈值的数组用于binarize连续特性。这是多个列输入。如果将多个列和没有设置阈值,但设置阈值,阈值就会被应用在所有列。”)

以前的

TypeConverters

下一个

BucketedRandomProjectionLSH