BucketedRandomProjectionLSH

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

> > >pyspark.ml.linalg進口向量> > >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()> > >brpsetInputCol(“特征”)BucketedRandomProjectionLSH……> > >brpsetOutputCol(“散列”)BucketedRandomProjectionLSH……> > >brpsetSeed(12345年)BucketedRandomProjectionLSH……> > >brpsetBucketLength(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)()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)> > >brp2getBucketLength()= =brpgetBucketLength()真正的> > >modelPath=temp_path+“/ brp-model”> > >模型保存(modelPath)> > >model2=BucketedRandomProjectionLSHModel負載(modelPath)> > >模型變換(df)()散列= =model2變換(df)()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。

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。

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

getBucketLength()

得到的價值bucketLength或其默認值。

getInputCol()

得到的價值inputCol或其默認值。

getNumHashTables()

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。

getOutputCol()

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)

()

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。

setBucketLength(值)

設置的值bucketLength

setInputCol(值)

設置的值inputCol

setNumHashTables(值)

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

()

返回一個MLWriter實例毫升實例。

屬性

bucketLength

inputCol

numHashTables

outputCol

參數個數

返回所有參數命令的名字。

種子

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(,列表(] ]

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。

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,] ]

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。

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 ( )→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。

setBucketLength ( 價值:浮動 )pyspark.ml.feature.BucketedRandomProjectionLSH

設置的值bucketLength

setInputCol ( 價值:str )→P

設置的值inputCol

setNumHashTables ( 價值:int )→P

設置的值numHashTables

setOutputCol ( 價值:str )→P

設置的值outputCol

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

( )→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。”)