输入¶

类 pyspark.ml.feature。 输入 ( *,策略:str=“的意思是”,missingValue:浮动=南,inputCols:可选(列表(str]]=没有一个,outputCols:可选(列表(str]]=没有一个,inputCol:可选(str]=没有一个,outputCol:可选(str]=没有一个,relativeError:浮动=0.001 ) ¶

归责估计完成缺失值,使用均值、中值或模式的缺失值的列。数值类型的输入列应该。目前输入不支持分类特征和分类功能可能产生不正确的值。

注意,意味着/中等/模式计算价值后过滤出缺失值。输入列中的所有空值被视为失踪,所以也估算。为计算值,pyspark.sql.DataFrame.approxQuantile ()使用的相对误差0.001。

例子

           > > >df=火花。createDataFrame(((1.0,浮动(“南”)),(2.0,浮动(“南”)),(浮动(“南”),3.0),…(4.0,4.0),(5.0,5.0)),(“一个”,“b”])> > >输入=输入()> > >输入。setInputCols([“一个”,“b”])输入……> > >输入。setOutputCols([“out_a”,“out_b”])输入……> > >输入。getRelativeError()0.001> > >模型=输入。适合(df)> > >模型。setInputCols([“一个”,“b”])ImputerModel……> > >模型。getStrategy()“的意思是”> > >模型。surrogateDF。显示()+ - - - + - - - +| | | b+ - - - + - - - +| 3.0 | 4.0 |+ - - - + - - - +…> > >模型。变换(df)。显示()+ - - - + - - - + - - - - - - - - - - - - + +| | | b out_a | out_b |+ - - - + - - - + - - - - - - - - - - - - + +| 1.0 |南| 1.0 | 4.0 || 2.0 |南| 2.0 | 4.0 ||南| 3.0 | 3.0 | 3.0 |…> > >输入。setStrategy(“中值”)。setMissingValue(1.0)。适合(df)。变换(df)。显示()+ - - - + - - - + - - - - - - - - - - - - + +| | | b out_a | out_b |+ - - - + - - - + - - - - - - - - - - - - + +| 1.0 |南| 4.0 |南|…> > >df1=火花。createDataFrame(((1.0),(2.0),(浮动(“南”),),(4.0),(5.0),(“一个”])> > >imputer1=输入(inputCol=“一个”,outputCol=“out_a”)> > >model1=imputer1。适合(df1)> > >model1。surrogateDF。显示()+ - - - +|的|+ - - - +| 3.0 |+ - - - +…> > >model1。变换(df1)。显示()+ - - - + - - - +|的| out_a |+ - - - + - - - +| 1.0 | 1.0 || 2.0 | 2.0 ||南| 3.0 |…> > >imputer1。setStrategy(“中值”)。setMissingValue(1.0)。适合(df1)。变换(df1)。显示()+ - - - + - - - +|的| out_a |+ - - - + - - - +| 1.0 | 4.0 |…> > >df2=火花。createDataFrame(((浮动(“南”),),(浮动(“南”),),(3.0),(4.0),(5.0),…(“b”])> > >imputer2=输入(inputCol=“b”,outputCol=“out_b”)> > >model2=imputer2。适合(df2)> > >model2。surrogateDF。显示()+ - - - +b | |+ - - - +| 4.0 |+ - - - +…> > >model2。变换(df2)。显示()+ - - - + - - - +| | b out_b |+ - - - + - - - +|南| 4.0 ||南| 4.0 || 3.0 | 3.0 |…> > >imputer2。setStrategy(“中值”)。setMissingValue(1.0)。适合(df2)。变换(df2)。显示()+ - - - + - - - +| | b out_b |+ - - - + - - - +| |南南|…> > >imputerPath=temp_path+“/输入”> > >输入。保存(imputerPath)> > >loadedImputer=输入。负载(imputerPath)> > >loadedImputer。getStrategy()= =输入。getStrategy()真正的> > >loadedImputer。getMissingValue()1.0> > >modelPath=temp_path+“/ imputer-model”> > >模型。保存(modelPath)> > >loadedModel=ImputerModel。负载(modelPath)> > >loadedModel。变换(df)。头()。out_a= =模型。变换(df)。头()。out_a真正的
          

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。
`getInputCol`()	得到的价值inputCol或其默认值。
`getInputCols`()	得到的价值inputCols或其默认值。
`getMissingValue`()	获得的价值`missingValue`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。
`getRelativeError`()	得到的价值relativeError或其默认值。
`getStrategy`()	获得的价值`策略`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`。
`setMissingValue`(值)	设置的值`missingValue`。
`setOutputCol`(值)	设置的值`outputCol`。
`setOutputCols`(值)	设置的值`outputCols`。
`setparam`(自我\[,策略,…))	设置参数输入。
`setRelativeError`(值)	设置的值`relativeError`。
`setStrategy`(值)	设置的值`策略`。
`写`()	返回一个MLWriter实例毫升实例。

属性

`inputCol`
`inputCols`
`missingValue`
`outputCol`
`outputCols`
`参数个数`	返回所有参数命令的名字。
`relativeError`
`策略`

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and 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

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。

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。

getMissingValue ( )→浮动¶: 获得的价值missingValue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。

getRelativeError ( )→浮动¶: 得到的价值relativeError或其默认值。

getStrategy ( )→str¶: 获得的价值策略或其默认值。

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.Imputer ¶: 设置的值inputCol。

setInputCols ( 价值:列表(str] )→pyspark.ml.feature.Imputer ¶: 设置的值inputCols。

setMissingValue ( 价值:浮动 )→pyspark.ml.feature.Imputer ¶: 设置的值missingValue。

setOutputCol ( 价值:str )→pyspark.ml.feature.Imputer ¶: 设置的值outputCol。

setOutputCols ( 价值:列表(str] )→pyspark.ml.feature.Imputer ¶: 设置的值outputCols。

setparam ( 自我,\ *,策略= "的意思是",missingValue =浮动(南),inputCols =没有,outputCols =没有,inputCol =没有,outputCol =没有,relativeError = 0.001 ) ¶: 设置参数输入。

setRelativeError ( 价值:浮动 )→pyspark.ml.feature.Imputer ¶: 设置的值relativeError。

setStrategy ( 价值:str )→pyspark.ml.feature.Imputer ¶: 设置的值策略。

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。) ¶

missingValue =参数(父母=‘定义’,name = ' missingValue ', doc = '缺失值的占位符。出现的所有missingValue将估算。”) ¶

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。

relativeError =参数(父母=‘定义’,name = ' relativeError ', doc = '相对目标精度的近似算法分位数。必须在[0,1]”) ¶

策略 =参数(父母=‘定义’,name =“策略”,医生= '归责的策略。如果是说,然后用均值代替缺失值的特性。如果值,然后使用中值代替缺失值的特性。如果模式,那么替换丢失的使用最频繁的价值特性。”) ¶

以前的

IDFModel

下一个

ImputerModel