MinHashLSHModel¶
-
类
pyspark.ml.feature。
MinHashLSHModel
( java_model:可选(JavaObject]=没有一个 ) ¶ -
模型由
MinHashLSH
,存储在多个哈希函数。每个哈希函数选择从以下家庭的哈希函数,在那里\ \ (a_i)和\ (b_i \)是随机选择的整数不到':\ (h_i (x) = ((x + b_i) \ cdot a_i \ mod ') \)这个哈希家庭大约是min-wise独立根据参考。笔记
看到汤姆Bohman表示,科林·库珀和艾伦·弗里兹。“Min-wise独立线性排列。“电子杂志组合7 (2000):R26。
方法
approxNearestNeighbors
(数据、关键…[…])给定一个大型数据集和一个项目,大约发现最多k项的项目最近的距离。
approxSimilarityJoin
(datasetB datasetA…)加入两个数据集大约找到所有成对的距离小于阈值的行。
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。
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。
得到的价值inputCol或其默认值。
得到的价值numHashTables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。
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。
setInputCol
(值)设置的值
inputCol
。setOutputCol
(值)设置的值
outputCol
。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
返回所有参数命令的名字。
方法的文档
-
approxNearestNeighbors
( 数据集:pyspark.sql.dataframe.DataFrame,关键:pyspark.ml.linalg.Vector,numNearestNeighbors:int,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶ -
给定一个大型数据集和一个项目,大约发现最多k项的项目最近的距离。如果
outputCol
丢失,该方法将转换数据;如果outputCol
存在,它将使用。这允许在必要时改变了数据的缓存。- 参数
-
-
数据集
pyspark.sql.DataFrame
-
数据集搜索最近的邻居的关键。
-
关键
pyspark.ml.linalg.Vector
-
特征向量代表项目搜索。
- numNearestNeighbors int
-
最近的邻居的最大数量。
- distCol str
-
输出列来存储每个结果行之间的距离和关键。使用“distCol”如果不指定为默认值。
-
数据集
- 返回
-
-
pyspark.sql.DataFrame
-
数据集包含最多k项最关键。一列“distCol”添加到显示每一行之间的距离和关键。
-
笔记
这个方法是实验性的,下一个版本可能会改变行为。
-
approxSimilarityJoin
( datasetA:pyspark.sql.dataframe.DataFrame,datasetB:pyspark.sql.dataframe.DataFrame,阈值:浮动,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶ -
加入两个数据集大约找到所有成对的距离小于阈值的行。如果
outputCol
丢失,该方法将转换数据;如果outputCol
存在,它将使用。这允许在必要时改变了数据的缓存。- 参数
-
-
datasetA
pyspark.sql.DataFrame
-
的一个数据集加入。
-
datasetB
pyspark.sql.DataFrame
-
加入另一个数据集。
- 阈值 浮动
-
距离阈值的行。
- distCol str,可选
-
输出列来存储每一对行之间的距离。使用“distCol”如果不指定为默认值。
-
datasetA
- 返回
-
-
pyspark.sql.DataFrame
-
加入数据集包含双行。原来的行是列“datasetA”和“datasetB”,和“distCol”一列添加到显示每一对之间的距离。
-
-
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。
-
getNumHashTables
( )→int¶ -
得到的价值numHashTables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。
-
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。
-
数据集
- 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。) ¶
-
numHashTables
:pyspark.ml.param.Param (int) =参数(父母=‘定义’,name = ' numHashTables ', doc =”数量的哈希表,哈希表数量的增加降低了假阴性率,并提高运行性能降低。”) ¶
-
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
。
-