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。
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。
得到的价值dropLast或其默认值。
得到的价值handleInvalid或其默认值。
得到的价值inputCol或其默认值。
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。
得到的价值outputCol或其默认值。
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
。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
。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
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。
-
数据集
- 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。
-
数据集
- 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
。
-