OneHotEncoder

类 pyspark.ml.feature。 OneHotEncoder ( *,inputCols:可选(列表(str]]=没有一个,outputCols:可选(列表(str]]=没有一个,handleInvalid:str=“错误”,dropLast:bool=真正的,inputCol:可选(str]=没有一个,outputCol:可选(str]=没有一个 )

一个地图的一个炎热的编码器类别索引的列的列二进制向量,每行最多一个一个值,指示输入类别索引。与5个类别,例如一个输入值为2.0时将映射到一个输出向量(0.0,0.0,1.0,0.0)。最后一类是不包括在默认情况下(可配置通过dropLast),因为它使向量条目总结,因此线性相关的。所以4.0地图的输入值(0.0,0.0,0.0,0.0)。

当handleInvalid配置为“保持”,添加一个额外的“类别”指示无效值作为最后的类别。所以,当dropLast是真的,编码为无效值都为零向量。

另请参阅

StringIndexer

定值转化为分类指标

笔记

这不同于scikit-learn OneHotEncoder,让所有类别。输出向量是稀疏的。

当编码多列使用inputCols和outputCols参数,输入/输出关口都是成对的,顺序指定的数组,每一对独立处理。

例子

> > >从pyspark.ml.linalg进口向量> > >df=火花。createDataFrame(((0.0),(1.0),(2.0),(“输入”])> > >咸宁=OneHotEncoder()> > >咸宁。setInputCols([“输入”])OneHotEncoder……> > >咸宁。setOutputCols([“输出”])OneHotEncoder……> > >模型=咸宁。适合(df)> > >模型。setOutputCols([“输出”])OneHotEncoderModel……> > >模型。getHandleInvalid()“错误”> > >模型。变换(df)。头()。输出SparseVector ({0: 1.0})> > >single_col_ohe=OneHotEncoder(inputCol=“输入”,outputCol=“输出”)> > >single_col_model=single_col_ohe。适合(df)> > >single_col_model。变换(df)。头()。输出SparseVector ({0: 1.0})> > >ohePath=temp_path+“/咸宁”> > >咸宁。保存(ohePath)> > >loadedOHE=OneHotEncoder。负载(ohePath)> > >loadedOHE。getInputCols()= =咸宁。getInputCols()真正的> > >modelPath=temp_path+“/ ohe-model”> > >模型。保存(modelPath)> > >loadedModel=OneHotEncoderModel。负载(modelPath)> > >loadedModel。categorySizes= =模型。categorySizes真正的> > >loadedModel。变换(df)。取(1)= =模型。变换(df)。取(1)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。
getDropLast()	得到的价值dropLast或其默认值。
getHandleInvalid()	得到的价值handleInvalid或其默认值。
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。
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。
setDropLast(值)	设置的值dropLast。
setHandleInvalid(值)	设置的值handleInvalid。
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,\ [,outputCols inputCols…))	为这个OneHotEncoder设置参数。
写()	返回一个MLWriter实例毫升实例。

属性

dropLast
handleInvalid
inputCol
inputCols
outputCol
outputCols
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

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。

getDropLast ( )→bool

得到的价值dropLast或其默认值。

getHandleInvalid ( )→str

得到的价值handleInvalid或其默认值。

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。

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。

setDropLast ( 价值:bool )→pyspark.ml.feature.OneHotEncoder

设置的值dropLast。

setHandleInvalid ( 价值:str )→pyspark.ml.feature.OneHotEncoder

设置的值handleInvalid。

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

设置的值inputCol。

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

设置的值inputCols。

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

设置的值outputCol。

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

设置的值outputCols。

setparam ( 自我,\ *,inputCols =没有,outputCols =没有,handleInvalid = "错误",dropLast = True,inputCol =没有,outputCol =没有 )

为这个OneHotEncoder设置参数。

写 ( )→pyspark.ml.util.JavaMLWriter

返回一个MLWriter实例毫升实例。

属性的文档

dropLast =参数(父母=‘定义’,name = ' dropLast ', doc =是否放弃过去的类别)

handleInvalid =参数(父母=‘定义’,name = ' handleInvalid ', doc = "期间如何处理无效数据变换()。选择“继续”(无效的数据作为一个额外的分类特性)或错误(抛出一个错误)。注意,这个参数是只用在变换;在拟合,无效的数据将导致一个错误。”)

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。

以前的

标准化者

下一个

OneHotEncoderModel