MultilabelClassificationEvaluator¶
-
類
pyspark.ml.evaluation。
MultilabelClassificationEvaluator
( *,predictionCol:str=“預測”,labelCol:str=“標簽”,metricName:MultilabelClassificationEvaluatorMetricType=“f1Measure”,metricLabel:浮動=0.0 ) ¶ -
Multilabel分類評估者,預計兩個輸入列:預測和標簽。
筆記
實驗
例子
> > >scoreAndLabels=(((0.0,1.0),(0.0,2.0]),([0.0,2.0),(0.0,1.0]),…([],(0.0]),([2.0),(2.0]),([2.0,0.0),(2.0,0.0]),…([0.0,1.0,2.0),(0.0,1.0]),([1.0),(1.0,2.0)))> > >數據集=火花。createDataFrame(scoreAndLabels,(“預測”,“標簽”])…> > >評估者=MultilabelClassificationEvaluator()> > >評估者。setPredictionCol(“預測”)MultilabelClassificationEvaluator……> > >評估者。評估(數據集)0.63……> > >評估者。評估(數據集,{評估者。metricName:“準確性”})0.54……> > >mlce_path=temp_path+“/ mlce”> > >評估者。保存(mlce_path)> > >evaluator2=MultilabelClassificationEvaluator。負載(mlce_path)> > >str(evaluator2。getPredictionCol())“預測”
方法
清晰的
(參數)清除參數映射的參數是否被顯式地設置。
複製
((額外的))創建這個實例的副本具有相同uid和一些額外的參數。
評估
(數據集[params))評估可選參數的輸出。
explainParam
(參數)解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。
返回文檔的所有參數選擇默認值和用戶提供的值。
extractParamMap
((額外的))提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。
得到的價值labelCol或其默認值。
得到的價值metricLabel或其默認值。
得到的價值metricName或其默認值。
getOrDefault
(參數)得到參數的值在用戶提供的參數映射或其默認值。
getParam
(paramName)通過它的名稱參數。
得到的價值predictionCol或其默認值。
hasDefault
(參數)檢查是否一個參數有默認值。
hasParam
(paramName)測試這個實例包含一個參數是否與給定名稱(字符串)。
isDefined
(參數)檢查參數是否由用戶或顯式地設置一個默認值。
指示是否返回的度量
evaluate ()
應該最大化(真的,默認情況下)或最小化(假)。收取
(參數)檢查參數是否由用戶顯式地設置。
負載
(路徑)從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。
讀
()返回一個MLReader這個類的實例。
保存
(路徑)這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。
集
(參數值)設置一個參數嵌入參數映射。
setLabelCol
(值)設置的值
labelCol
。設置的值
metricLabel
。設置的值
metricName
。setparam
(自我\ * (predictionCol,…))設置參數為multilabel分類評估者。
設置的值
predictionCol
。寫
()返回一個MLWriter實例毫升實例。
屬性
返回所有參數命令的名字。
方法的文檔
-
清晰的
( 參數:pyspark.ml.param.Param )→沒有¶ -
清除參數映射的參數是否被顯式地設置。
-
複製
( 額外的:可選(ParamMap]=沒有一個 )→摩根大通¶ -
創建這個實例的副本具有相同uid和一些額外的參數。這個實現第一次調用參數。複製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.
- 參數
-
- 額外的 東西,可選
-
額外參數複製到新實例
- 返回
-
-
JavaParams
-
這個實例的副本
-
-
評估
( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:可選(ParamMap]=沒有一個 )→浮動¶ -
評估可選參數的輸出。
- 參數
-
-
數據集
pyspark.sql.DataFrame
-
一個數據集,其中包含標簽/觀察和預測
- 參數個數 東西,可選
-
一個可選的參數覆蓋嵌入參數的地圖
-
數據集
- 返回
-
- 浮動
-
度規
-
explainParam
( 參數:聯盟(str,pyspark.ml.param.Param] )→str¶ -
解釋一個參數並返回它的名字,醫生,和可選的默認值,用戶提供的字符串值。
-
explainParams
( )→str¶ -
返回文檔的所有參數選擇默認值和用戶提供的值。
-
extractParamMap
( 額外的:可選(ParamMap]=沒有一個 )→ParamMap¶ -
提取嵌入默認參數值和用戶提供的值,然後合並他們額外的值從輸入平麵參數映射,後者使用價值如果存在衝突,即。排序:默認參數值< <額外的用戶提供的值。
- 參數
-
- 額外的 東西,可選
-
額外的參數值
- 返回
-
- dict
-
合並後的參數映射
-
getLabelCol
( )→str¶ -
得到的價值labelCol或其默認值。
-
getMetricLabel
( )→浮動¶ -
得到的價值metricLabel或其默認值。
-
getMetricName
( )→MultilabelClassificationEvaluatorMetricType¶ -
得到的價值metricName或其默認值。
-
getOrDefault
( 參數:聯盟(str,pyspark.ml.param.Param(T]] )→聯盟(任何,T] ¶ -
得到參數的值在用戶提供的參數映射或其默認值。如果沒有設置提出了一個錯誤。
-
getParam
( paramName:str )→pyspark.ml.param.Param ¶ -
通過它的名稱參數。
-
getPredictionCol
( )→str¶ -
得到的價值predictionCol或其默認值。
-
hasDefault
( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
檢查是否一個參數有默認值。
-
hasParam
( paramName:str )→bool¶ -
測試這個實例包含一個參數是否與給定名稱(字符串)。
-
isDefined
( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
檢查參數是否由用戶或顯式地設置一個默認值。
-
isLargerBetter
( )→bool¶ -
指示是否返回的度量
evaluate ()
應該最大化(真的,默認情況下)或最小化(假)。給定的評估者可以支持多個指標可能最大化或最小化。
-
收取
( 參數:聯盟(str,pyspark.ml.param.Param(任何]] )→bool¶ -
檢查參數是否由用戶顯式地設置。
-
classmethod
負載
( 路徑:str )→RL¶ -
從輸入路徑,讀取一個毫升實例的快捷方式read () .load(路徑)。
-
classmethod
讀
( )→pyspark.ml.util.JavaMLReader(RL] ¶ -
返回一個MLReader這個類的實例。
-
保存
( 路徑:str )→沒有¶ -
這個毫升實例保存到給定的路徑,一個快捷方式的“寫().save(路徑)。
-
集
( 參數:pyspark.ml.param.Param,價值:任何 )→沒有¶ -
設置一個參數嵌入參數映射。
-
setLabelCol
( 價值:str )→pyspark.ml.evaluation.MultilabelClassificationEvaluator ¶ -
設置的值
labelCol
。
-
setMetricLabel
( 價值:浮動 )→pyspark.ml.evaluation.MultilabelClassificationEvaluator ¶ -
設置的值
metricLabel
。
-
setMetricName
( 價值:MultilabelClassificationEvaluatorMetricType )→MultilabelClassificationEvaluator¶ -
設置的值
metricName
。
-
setparam
( 自我,\ *,predictionCol = "預測",labelCol = "標簽",metricName = " f1Measure ",metricLabel = 0.0 ) ¶ -
設置參數為multilabel分類評估者。
-
setPredictionCol
( 價值:str )→pyspark.ml.evaluation.MultilabelClassificationEvaluator ¶ -
設置的值
predictionCol
。
-
寫
( )→pyspark.ml.util.JavaMLWriter¶ -
返回一個MLWriter實例毫升實例。
屬性的文檔
-
labelCol
=參數(父母=‘定義’,name = ' labelCol ', doc =“標簽列名。”) ¶
-
metricLabel
:pyspark.ml.param.Param(浮動) =參數(父母=‘定義’,name = ' metricLabel ', doc = '的類指標將計算在precisionByLabel | recallByLabel | f1MeasureByLabel。必須> = 0。默認值是0。”) ¶
-
metricName
:pyspark.ml.param.Param MultilabelClassificationEvaluatorMetricType =參數(父母=‘定義’,name = ' metricName ', doc =”在評價指標的名字(subsetAccuracy精度| | hammingLoss精度| |回憶| f1Measure | precisionByLabel | recallByLabel | f1MeasureByLabel | microPrecision | microRecall | microF1Measure)”) ¶
-
參數個數
¶ -
返回所有參數命令的名字。默認實現使用
dir ()
所有的屬性類型參數
。
-
predictionCol
=參數(父母=‘定義’,name = ' predictionCol ', doc =預測列名稱。) ¶
-