交互¶

类 pyspark.ml.feature。 交互 ( *,inputCols:可选(列表(str]]=没有一个,outputCol:可选(str]=没有一个 ) ¶

实现了功能交互变换。这个变压器需要在双和向量类型的列向量和输出一个扁平的特征交互。处理交互,我们第一次在一个炎热的编码任何名义的特性。然后,一个向量的特性产生得叉积。

例如,考虑到输入特征值双(2)和向量(3、4),输出向量(6、8)如果所有的输入特性数值。如果第一个特性与四类,而不是名义将的输出向量(0,0,0,0、3、4,0,0)。

例子

           > > >df=火花。createDataFrame(((0.0,1.0),(2.0,3.0)),(“一个”,“b”])> > >交互=交互()> > >交互。setInputCols([“一个”,“b”])互动……> > >交互。setOutputCol(“ab”)互动……> > >交互。变换(df)。显示()+ - - - + - - - + - - - +| | | b ab |+ - - - + - - - + - - - +| 0.0 | 1.0 | 0.0 || 2.0 | 3.0 | 6.0 |+ - - - + - - - + - - - +…> > >interactionPath=temp_path+“/互动”> > >交互。保存(interactionPath)> > >loadedInteraction=交互。负载(interactionPath)> > >loadedInteraction。变换(df)。头()。ab= =交互。变换(df)。头()。ab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。
`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。
`getParam`(paramName)	通过它的名称参数。
`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。
`setInputCols`(值)	设置的值`inputCols`。
`setOutputCol`(值)	设置的值`outputCol`。
`setparam`(自我\ * [、inputCols outputCol])	设置参数交互。
`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

`inputCols`
`outputCol`
`参数个数`	返回所有参数命令的名字。

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

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。

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

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。

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

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

setparam ( 自我,\ *,inputCols =没有,outputCol =没有 ) ¶: 设置参数交互。

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

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。) ¶

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。

以前的

IndexToString

下一个

MaxAbsScaler