RFormula

类 pyspark.ml.feature。 RFormula ( *,公式:可选(str]=没有一个,featuresCol:str=“特性”,labelCol:str=“标签”,forceIndexLabel:bool=假,stringIndexerOrderType:str=“frequencyDesc”,handleInvalid:str=“错误” )

实现所需的变换拟合数据集对R模型公式。目前我们支持的有限子集R运营商,包括‘~’,”。”、“:”、“+”、“-”、“*”,和“^”。

笔记

也看到了R公式文档。

例子

> > >df=火花。createDataFrame([…(1.0,1.0,“一个”),…(0.0,2.0,“b”),…(0.0,0.0,“一个”)…),(“y”,“x”,“s”])> > >射频=RFormula(公式=“x y ~ + s”)> > >模型=射频。适合(df)> > >模型。getLabelCol()“标签”> > >模型。变换(df)。显示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +x y | | | | | |特性标签+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +| 1.0 | 1.0 | | [1.0,1.0]| 1.0 || | 0.0 | 2.0 | b [2.0, 0.0] | 0.0 || 0.0 | 0.0 | | [0.0,1.0]| 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >射频。适合(df,{射频。公式:“y ~。年代”})。变换(df)。显示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +x y | | | | | |特性标签+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +(1.0)| 1.0 | 1.0 | | | 1.0 |b | | 0.0 | 2.0 | 2.0 | 0.0 |(0.0)| 0.0 | 0.0 | | | 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +…> > >rFormulaPath=temp_path+“/ rFormula”> > >射频。保存(rFormulaPath)> > >loadedRF=RFormula。负载(rFormulaPath)> > >loadedRF。getFormula()= =射频。getFormula()真正的> > >loadedRF。getFeaturesCol()= =射频。getFeaturesCol()真正的> > >loadedRF。getLabelCol()= =射频。getLabelCol()真正的> > >loadedRF。getHandleInvalid()= =射频。getHandleInvalid()真正的> > >str(loadedRF)“RFormula x (y ~ + s) (uid =…)> > >modelPath=temp_path+“/ rFormulaModel”> > >模型。保存(modelPath)> > >loadedModel=RFormulaModel。负载(modelPath)> > >loadedModel。uid= =模型。uid真正的> > >loadedModel。变换(df)。显示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +x y | | | | | |特性标签+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +| 1.0 | 1.0 | | [1.0,1.0]| 1.0 || | 0.0 | 2.0 | b [2.0, 0.0] | 0.0 || 0.0 | 0.0 | | [0.0,1.0]| 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >str(loadedModel)RFormulaModel (ResolvedRFormula(标签= y = x,年代,hasIntercept = true)) (uid =…)

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。
getFeaturesCol()	得到的价值featuresCol或其默认值。
getForceIndexLabel()	获得的价值forceIndexLabel。
getFormula()	获得的价值公式。
getHandleInvalid()	得到的价值handleInvalid或其默认值。
getLabelCol()	得到的价值labelCol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。
getParam(paramName)	通过它的名称参数。
getStringIndexerOrderType()	获得的价值stringIndexerOrderType或其默认值“frequencyDesc”。
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。
setFeaturesCol(值)	设置的值featuresCol。
setForceIndexLabel(值)	设置的值forceIndexLabel。
setFormula(值)	设置的值公式。
setHandleInvalid(值)	设置的值handleInvalid。
setLabelCol(值)	设置的值labelCol。
setparam(自我,\[公式,featuresCol…))	RFormula设置参数。
setStringIndexerOrderType(值)	设置的值stringIndexerOrderType。
写()	返回一个MLWriter实例毫升实例。

属性

featuresCol
forceIndexLabel
公式
handleInvalid
labelCol
参数个数	返回所有参数命令的名字。
stringIndexerOrderType

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。

getFeaturesCol ( )→str

得到的价值featuresCol或其默认值。

getForceIndexLabel ( )→bool

获得的价值forceIndexLabel。

getFormula ( )→str

获得的价值公式。

getHandleInvalid ( )→str

得到的价值handleInvalid或其默认值。

getLabelCol ( )→str

得到的价值labelCol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。

getParam ( paramName:str )→pyspark.ml.param.Param

通过它的名称参数。

getStringIndexerOrderType ( )→str

获得的价值stringIndexerOrderType或其默认值“frequencyDesc”。

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。

setFeaturesCol ( 价值:str )→pyspark.ml.feature.RFormula

设置的值featuresCol。

setForceIndexLabel ( 价值:bool )→pyspark.ml.feature.RFormula

设置的值forceIndexLabel。

setFormula ( 价值:str )→pyspark.ml.feature.RFormula

设置的值公式。

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

设置的值handleInvalid。

setLabelCol ( 价值:str )→pyspark.ml.feature.RFormula

设置的值labelCol。

setparam ( 自我,\ *,公式=没有,featuresCol = "特性",labelCol = "标签",forceIndexLabel = False,stringIndexerOrderType = " frequencyDesc ",handleInvalid = "错误" )

RFormula设置参数。

setStringIndexerOrderType ( 价值:str )→pyspark.ml.feature.RFormula

设置的值stringIndexerOrderType。

写 ( )→pyspark.ml.util.JavaMLWriter

返回一个MLWriter实例毫升实例。

属性的文档

featuresCol =参数(父母=‘定义’,name = ' featuresCol ', doc =功能列名称。)

forceIndexLabel =参数(父母=‘定义’,name = ' forceIndexLabel ', doc =“力量指数标签是否数字或字符串”)

公式 =参数(父母=‘定义’,name = '公式',doc = R模型公式)

handleInvalid =参数(父母=‘定义’,name = ' handleInvalid ', doc = "如何处理无效的条目。选择“跳过”(过滤掉行无效值),“错误”(抛出一个错误),或“保持”(把无效的数据放在一个特别的额外的桶,在指数numLabels)。”)

labelCol =参数(父母=‘定义’,name = ' labelCol ', doc =“标签列名。”)

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。

stringIndexerOrderType =参数(父母=‘定义’,name = ' stringIndexerOrderType ', doc = '如何订单类别的一系列特性StringIndexer所使用的列。最后一个类别排序后编码字符串时下降。支持选择:frequencyDesc、frequencyAsc alphabetDesc alphabetAsc。默认值是frequencyDesc。当命令设置alphabetDesc, RFormula滴同一类别时R编码字符串。”)

以前的

RegexTokenizer

下一个

RFormulaModel