BucketedRandomProjectionLSH¶
-
類
pyspark.ml.feature。
BucketedRandomProjectionLSH
( *,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個,種子:可選(int]=沒有一個,numHashTables:int=1,bucketLength:可選(浮動]=沒有一個 ) ¶ -
激光衝徊化類歐氏距離度量。輸入是稠密或稀疏向量,每個代表一個點的歐氏距離空間。可配置的輸出將向量維度。散列值在同一個維度計算了相同的哈希函數。
筆記
例子
> > >從pyspark.ml.linalg進口向量> > >從pyspark.sql.functions進口上校> > >數據=((0,向量。密集的([- - - - - -1.0,- - - - - -1.0),),…(1,向量。密集的([- - - - - -1.0,1.0),),…(2,向量。密集的([1.0,- - - - - -1.0),),…(3,向量。密集的([1.0,1.0),)> > >df=火花。createDataFrame(數據,(“id”,“特征”])> > >brp=BucketedRandomProjectionLSH()> > >brp。setInputCol(“特征”)BucketedRandomProjectionLSH……> > >brp。setOutputCol(“散列”)BucketedRandomProjectionLSH……> > >brp。setSeed(12345年)BucketedRandomProjectionLSH……> > >brp。setBucketLength(1.0)BucketedRandomProjectionLSH……> > >模型=brp。適合(df)> > >模型。getBucketLength()1.0> > >模型。setOutputCol(“散列”)BucketedRandomProjectionLSHModel……> > >模型。變換(df)。頭()行(id = 0,特性= DenseVector([-1.0, -1.0]),散列= [DenseVector ([-1.0])))> > >data2=((4,向量。密集的([2.0,2.0),),…(5,向量。密集的([2.0,3.0),),…(6,向量。密集的([3.0,2.0),),…(7,向量。密集的([3.0,3.0),)> > >df2=火花。createDataFrame(data2,(“id”,“特征”])> > >模型。approxNearestNeighbors(df2,向量。密集的([1.0,2.0]),1)。收集()行(id = 4,特性= DenseVector([2.0, 2.0]),散列= [DenseVector ([1.0])], distCol = 1.0)]> > >模型。approxSimilarityJoin(df,df2,3.0,distCol=“EuclideanDistance”)。選擇(…上校(“datasetA.id”)。別名(“艾達”),…上校(“datasetB.id”)。別名(“idB”),…上校(“EuclideanDistance”))。顯示()+ - - - + - - - + - - - - - - - - - - - - - - - - - - +idA | | idB | EuclideanDistance |+ - - - + - - - + - - - - - - - - - - - - - - - - - - +| 3 | 6 | 2.23606797749979 |+ - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >模型。approxSimilarityJoin(df,df2,3,distCol=“EuclideanDistance”)。選擇(…上校(“datasetA.id”)。別名(“艾達”),…上校(“datasetB.id”)。別名(“idB”),…上校(“EuclideanDistance”))。顯示()+ - - - + - - - + - - - - - - - - - - - - - - - - - - +idA | | idB | EuclideanDistance |+ - - - + - - - + - - - - - - - - - - - - - - - - - - +| 3 | 6 | 2.23606797749979 |+ - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >brpPath=temp_path+“/ brp”> > >brp。保存(brpPath)> > >brp2=BucketedRandomProjectionLSH。負載(brpPath)> > >brp2。getBucketLength()= =brp。getBucketLength()真正的> > >modelPath=temp_path+“/ brp-model”> > >模型。保存(modelPath)> > >model2=BucketedRandomProjectionLSHModel。負載(modelPath)> > >模型。變換(df)。頭()。散列= =model2。變換(df)。頭()。散列真正的
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。
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。
適合
(數據集[params))適合一個模型與可選參數的輸入數據集。
fitMultiple
(paramMaps數據集)適合一個模型為每個參數映射的輸入數據集paramMaps。
得到的價值bucketLength或其默認值。
得到的價值inputCol或其默認值。
得到的價值numHashTables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。
得到的價值outputCol或其默認值。
getParam
(paramName)通過它的名稱參數。
getSeed
()種子的價值或其默認值。
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)。
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。
設置的值
bucketLength
。setInputCol
(值)設置的值
inputCol
。設置的值
numHashTables
。setOutputCol
(值)設置的值
outputCol
。setparam
(自我,\ [,outputCol inputCol…))為這個BucketedRandomProjectionLSH設置參數。
setSeed
(值)設置的值
種子
。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
-
-
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
-
適合
( 數據集:pyspark.sql.dataframe.DataFrame,參數個數:聯盟[ParamMap、列表(ParamMap)元組(ParamMap),沒有一個)=沒有一個 )→聯盟(米,列表(米] ] ¶ -
適合一個模型與可選參數的輸入數據集。
- 參數
-
-
數據集
pyspark.sql.DataFrame
-
輸入數據集。
- 參數個數 dict或列表或元組,可選的
-
一個可選的參數覆蓋嵌入參數的地圖。如果列表/元組的參數映射,這適用於每一個參數並返回一個列表的模型映射。
-
數據集
- 返回
-
-
變壓器
或者一個列表變壓器
-
擬合模型(年代)
-
-
fitMultiple
( 數據集:pyspark.sql.dataframe.DataFrame,paramMaps:序列(ParamMap] )→迭代器(元組(int,米] ] ¶ -
適合一個模型為每個參數映射的輸入數據集paramMaps。
- 參數
-
-
數據集
pyspark.sql.DataFrame
-
輸入數據集。
-
paramMaps
collections.abc.Sequence
-
一係列的參數映射。
-
數據集
- 返回
-
-
_FitMultipleIterator
-
一個線程安全的iterable包含為每個參數映射模型。每次調用下一個(modelIterator)將返回(指數模型)模型是適合使用在哪裏paramMaps(指數)。指數值可能不是連續的。
-
-
getBucketLength
( )→浮動¶ -
得到的價值bucketLength或其默認值。
-
getInputCol
( )→str¶ -
得到的價值inputCol或其默認值。
-
getNumHashTables
( )→int¶ -
得到的價值numHashTables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。
-
getParam
( paramName:str )→pyspark.ml.param.Param ¶ -
通過它的名稱參數。
-
getSeed
( )→int¶ -
種子的價值或其默認值。
-
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
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。
-
setBucketLength
( 價值:浮動 )→pyspark.ml.feature.BucketedRandomProjectionLSH ¶ -
設置的值
bucketLength
。
-
setNumHashTables
( 價值:int )→P¶ -
設置的值
numHashTables
。
-
setparam
( 自我,\ *,inputCol =沒有,outputCol =沒有,種子=沒有,numHashTables = 1,bucketLength =沒有 ) ¶ -
為這個BucketedRandomProjectionLSH設置參數。
-
setSeed
( 價值:int )→pyspark.ml.feature.BucketedRandomProjectionLSH ¶ -
設置的值
種子
。
-
寫
( )→pyspark.ml.util.JavaMLWriter¶ -
返回一個MLWriter實例毫升實例。
屬性的文檔
-
bucketLength
=參數(父母=‘定義’,name = ' bucketLength ', doc = '每個哈希桶的長度,更大的桶降低假陰性率”。) ¶
-
inputCol
=參數(父母=‘定義’,name = ' inputCol ', doc =輸入列名稱。) ¶
-
numHashTables
=參數(父母=‘定義’,name = ' numHashTables ', doc =”數量的哈希表,哈希表數量的增加降低了假陰性率,並提高運行性能降低。”) ¶
-
outputCol
=參數(父母=‘定義’,name = ' outputCol ', 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
。
-
種子
=參數(父母=‘定義’,name =“種子”,醫生=“隨機種子。”) ¶
-