BucketedRandomProjectionLSHModel¶
-
類
pyspark.ml.feature。
BucketedRandomProjectionLSHModel
( java_model:可選(JavaObject]=沒有一個 ) ¶ -
模型擬合的
BucketedRandomProjectionLSH
,多維隨機向量存儲。向量歸一化是單位向量,每個向量中使用一個哈希函數:\ (h_i地板(x) = (r_i \ cdot x / bucketLength) \)在哪裏\ (r_i \)是第i個隨機單位向量。桶的數量(max輸入向量的L2範數)/ bucketLength。方法
approxNearestNeighbors
(數據、關鍵…[…])給定一個大型數據集和一個項目,大約發現最多k項的項目最近的距離。
approxSimilarityJoin
(datasetB datasetA…)加入兩個數據集大約找到所有成對的距離小於閾值的行。
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。
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。
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。
setInputCol
(值)設置的值
inputCol
。setOutputCol
(值)設置的值
outputCol
。變換
(數據集[params))與可選參數轉換的輸入數據集。
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
-
approxNearestNeighbors
( 數據集:pyspark.sql.dataframe.DataFrame,關鍵:pyspark.ml.linalg.Vector,numNearestNeighbors:int,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶ -
給定一個大型數據集和一個項目,大約發現最多k項的項目最近的距離。如果
outputCol
丟失,該方法將轉換數據;如果outputCol
存在,它將使用。這允許在必要時改變了數據的緩存。- 參數
-
-
數據集
pyspark.sql.DataFrame
-
數據集搜索最近的鄰居的關鍵。
-
關鍵
pyspark.ml.linalg.Vector
-
特征向量代表項目搜索。
- numNearestNeighbors int
-
最近的鄰居的最大數量。
- distCol str
-
輸出列來存儲每個結果行之間的距離和關鍵。使用“distCol”如果不指定為默認值。
-
數據集
- 返回
-
-
pyspark.sql.DataFrame
-
數據集包含最多k項最關鍵。一列“distCol”添加到顯示每一行之間的距離和關鍵。
-
筆記
這個方法是實驗性的,下一個版本可能會改變行為。
-
approxSimilarityJoin
( datasetA:pyspark.sql.dataframe.DataFrame,datasetB:pyspark.sql.dataframe.DataFrame,閾值:浮動,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶ -
加入兩個數據集大約找到所有成對的距離小於閾值的行。如果
outputCol
丟失,該方法將轉換數據;如果outputCol
存在,它將使用。這允許在必要時改變了數據的緩存。- 參數
-
-
datasetA
pyspark.sql.DataFrame
-
的一個數據集加入。
-
datasetB
pyspark.sql.DataFrame
-
加入另一個數據集。
- 閾值 浮動
-
距離閾值的行。
- distCol str,可選
-
輸出列來存儲每一對行之間的距離。使用“distCol”如果不指定為默認值。
-
datasetA
- 返回
-
-
pyspark.sql.DataFrame
-
加入數據集包含雙行。原來的行是列“datasetA”和“datasetB”,和“distCol”一列添加到顯示每一對之間的距離。
-
-
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
-
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。
-
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。
-
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。
-
數據集
- 返回
-
-
pyspark.sql.DataFrame
-
改變了數據集
-
-
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
:pyspark.ml.param.Param (int) =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
。
-