Binarizer

pyspark.ml.feature。 Binarizer ( *,閾值:浮動=0.0,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個,閾值:可選(列表(浮動]]=沒有一個,inputCols:可選(列表(str]]=沒有一個,outputCols:可選(列表(str]]=沒有一個 )

Binarize一列連續給定的閾值特性。3.0.0以來,Binarize一次可以映射多個列通過設置inputCols參數。注意,當這兩個inputColinputCols參數設置,就會拋出一個異常。的閾值參數是用於單一列使用,閾值是多個列。

例子

> > >df=火花createDataFrame(((0.5),(“價值觀”])> > >binarizer=Binarizer(閾值=1.0,inputCol=“價值觀”,outputCol=“特征”)> > >binarizersetThreshold(1.0)Binarizer……> > >binarizersetInputCol(“價值觀”)Binarizer……> > >binarizersetOutputCol(“特征”)Binarizer……> > >binarizer變換(df)()特性0.0> > >binarizersetparam(outputCol=“頻率”)變換(df)()頻率0.0> > >參數個數={binarizer閾值:- - - - - -0.5,binarizeroutputCol:“向量”}> > >binarizer變換(df,參數個數)()向量1.0> > >binarizerPath=temp_path+“/ binarizer”> > >binarizer保存(binarizerPath)> > >loadedBinarizer=Binarizer負載(binarizerPath)> > >loadedBinarizergetThreshold()= =binarizergetThreshold()真正的> > >loadedBinarizer變換(df)(1)= =binarizer變換(df)(1)真正的> > >df2=火花createDataFrame(((0.5,0.3)),(“values1”,“values2”])> > >binarizer2=Binarizer(閾值=(0.0,1.0])> > >binarizer2setInputCols([“values1”,“values2”])setOutputCols([“output1”,“output2”])Binarizer……> > >binarizer2變換(df2)顯示()+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +| values1 | values2 | output1 | output2 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +| 0.5 | 0.3 | 1.0 | 0.0 |+ - - - - - - - - - - - - - - + - - - - - - - - - - - - - - +

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。

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。

explainParams()

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。

getInputCol()

得到的價值inputCol或其默認值。

getInputCols()

得到的價值inputCols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。

getOutputCol()

得到的價值outputCol或其默認值。

getOutputCols()

得到的價值outputCols或其默認值。

getParam(paramName)

通過它的名稱參數。

getThreshold()

得到的值閾值或其默認值。

getThresholds()

得到的值閾值或其默認值。

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。

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)

()

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)。

(參數值)

設置一個參數嵌入參數映射。

setInputCol(值)

設置的值inputCol

setInputCols(值)

設置的值inputCols

setOutputCol(值)

設置的值outputCol

setOutputCols(值)

設置的值outputCols

setparam(自我,\[、閾值、inputCol…))

為這個Binarizer設置參數。

setThreshold(值)

設置的值閾值

setThresholds(值)

設置的值閾值

變換(數據集[params))

與可選參數轉換的輸入數據集。

()

返回一個MLWriter實例毫升實例。

屬性

inputCol

inputCols

outputCol

outputCols

參數個數

返回所有參數命令的名字。

閾值

閾值

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.

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

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

getInputCol ( )→str

得到的價值inputCol或其默認值。

getInputCols ( )→列表(str]

得到的價值inputCols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。

getOutputCol ( )→str

得到的價值outputCol或其默認值。

getOutputCols ( )→列表(str]

得到的價值outputCols或其默認值。

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

通過它的名稱參數。

getThreshold ( )→浮動

得到的值閾值或其默認值。

getThresholds ( )→列表(浮動]

得到的值閾值或其默認值。

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。

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 ( )→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)。

( 參數:pyspark.ml.param.Param,價值:任何 )→沒有

設置一個參數嵌入參數映射。

setInputCol ( 價值:str )pyspark.ml.feature.Binarizer

設置的值inputCol

setInputCols ( 價值:列表(str] )pyspark.ml.feature.Binarizer

設置的值inputCols

setOutputCol ( 價值:str )pyspark.ml.feature.Binarizer

設置的值outputCol

setOutputCols ( 價值:列表(str] )pyspark.ml.feature.Binarizer

設置的值outputCols

setparam ( 自我,\ *,閾值= 0.0,inputCol =沒有,outputCol =沒有,閾值=沒有,inputCols =沒有,outputCols =沒有 )

為這個Binarizer設置參數。

setThreshold ( 價值:浮動 )pyspark.ml.feature.Binarizer

設置的值閾值

setThresholds ( 價值:列表(浮動] )pyspark.ml.feature.Binarizer

設置的值閾值

變換 ( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:可選(ParamMap]=沒有一個 )→pyspark.sql.dataframe.DataFrame

與可選參數轉換的輸入數據集。

參數
數據集 pyspark.sql.DataFrame

輸入數據集

參數個數 東西,可選

一個可選的參數覆蓋嵌入參數的地圖。

返回
pyspark.sql.DataFrame

改變了數據集

( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

inputCol =參數(父母=‘定義’,name = ' inputCol ', doc =輸入列名稱。)
inputCols =參數(父母=‘定義’,name = ' inputCols ', doc =輸入列名稱。)
outputCol =參數(父母=‘定義’,name = ' outputCol ', doc =輸出列名稱。)
outputCols =參數(父母=‘定義’,name = ' outputCols ', doc =輸出列名稱。)
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

閾值 :pyspark.ml.param.Param(浮動) =參數(父母=‘定義’,name =“閾值”,醫生= '參數閾值用於binarize連續特性。大於閾值的特性將關鍵1.0。等於或小於閾值的特性將關鍵0.0”)
閾值 :pyspark.ml.param.Param列表(浮動) =參數(父母=‘定義’,name =“閾值”,醫生= '參數閾值的數組用於binarize連續特性。這是多個列輸入。如果將多個列和沒有設置閾值,但設置閾值,閾值就會被應用在所有列。”)