CrossValidatorModel¶

类 pyspark.ml.tuning。 CrossValidatorModel ( bestModel:pyspark.ml.base.Model,avgMetrics:可选(列表(浮动]]=没有一个,子:可选(列表(列表(pyspark.ml.base.Model]]]=没有一个,stdMetrics:可选(列表(浮动]]=没有一个 ) ¶

CrossValidatorModel包含最高的模型平均跨折交叉验证指标,并使用该模型将输入数据。CrossValidatorModel还跟踪每个参数映射的指标评估。

笔记

从版本3.3.0,CrossValidatorModel包含一个新属性“stdMetrics”,代表标准差指标每paramMap CrossValidator.estimatorParamMaps。

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和一个随机生成的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。
`getEstimator`()	得到估计量的价值或其默认值。
`getEstimatorParamMaps`()	得到的价值estimatorParamMaps或其默认值。
`getEvaluator`()	被评估者的价值或其默认值。
`getFoldCol`()	得到的价值foldCol或其默认值。
`getNumFolds`()	得到的价值numFolds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。
`getSeed`()	种子的价值或其默认值。
`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。
`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

`估计量`
`estimatorParamMaps`
`评估者`
`foldCol`
`numFolds`
`参数个数`	返回所有参数命令的名字。
`种子`

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 )→CrossValidatorModel¶

创建这个实例的副本和一个随机生成的uid和一些额外的参数。这个底层bestModel副本,创建了一个深深的嵌入paramMap副本,副本嵌入式和额外的参数。它没有额外的参数复制到子。

参数

额外的 东西,可选: 额外参数复制到新实例

返回

CrossValidatorModel: 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

getEstimator ( )→pyspark.ml.base.Estimator¶: 得到估计量的价值或其默认值。

getEstimatorParamMaps ( )→列表(ParamMap] ¶: 得到的价值estimatorParamMaps或其默认值。

getEvaluator ( )→pyspark.ml.evaluation.Evaluator ¶: 被评估者的价值或其默认值。

getFoldCol ( )→str¶: 得到的价值foldCol或其默认值。

getNumFolds ( )→int¶: 得到的价值numFolds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。

getSeed ( )→int¶: 种子的价值或其默认值。

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.tuning.CrossValidatorModelReader¶: 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。

返回

pyspark.sql.DataFrame: 改变了数据集

写 ( )→pyspark.ml.util.MLWriter ¶: 返回一个MLWriter实例毫升实例。

属性的文档

估计量 =参数(父母=‘定义’,name =“估计”,医生= '估计是旨在') ¶

estimatorParamMaps =参数(父母=‘定义’,name = ' estimatorParamMaps ', doc =估计参数地图) ¶

评估者 =参数(父母=‘定义’,name =评估者,医生=的评估者用于选择hyper-parameters验证器指标的最大化) ¶

foldCol :pyspark.ml.param.Param (str) =参数(父母=‘定义’,name = ' foldCol ', doc = "参数用户指定的列名褶皱数。一旦被指定,py:类:“CrossValidator”不会随机k-fold分裂。注意,这列应该是整数类型区间[0,numFolds)和火花将抛出异常超出范围折叠数字。”) ¶

numFolds :pyspark.ml.param.Param (int) =参数(父母=‘定义’,name = ' numFolds ', doc =折交叉验证的数量) ¶

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。

种子 =参数(父母=‘定义’,name =“种子”,医生=“随机种子。”) ¶

以前的

CrossValidator

下一个

TrainValidationSplit