輸入¶
-
類
pyspark.ml.feature。
輸入
( *,策略:str=“的意思是”,missingValue:浮動=南,inputCols:可選(列表(str]]=沒有一個,outputCols:可選(列表(str]]=沒有一個,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個,relativeError:浮動=0.001 ) ¶ -
歸責估計完成缺失值,使用均值、中值或模式的缺失值的列。數值類型的輸入列應該。目前輸入不支持分類特征和分類功能可能產生不正確的值。
注意,意味著/中等/模式計算價值後過濾出缺失值。輸入列中的所有空值被視為失蹤,所以也估算。為計算值,
pyspark.sql.DataFrame.approxQuantile ()
使用的相對誤差0.001。例子
> > >df=火花。createDataFrame(((1.0,浮動(“南”)),(2.0,浮動(“南”)),(浮動(“南”),3.0),…(4.0,4.0),(5.0,5.0)),(“一個”,“b”])> > >輸入=輸入()> > >輸入。setInputCols([“一個”,“b”])輸入……> > >輸入。setOutputCols([“out_a”,“out_b”])輸入……> > >輸入。getRelativeError()0.001> > >模型=輸入。適合(df)> > >模型。setInputCols([“一個”,“b”])ImputerModel……> > >模型。getStrategy()“的意思是”> > >模型。surrogateDF。顯示()+ - - - + - - - +| | | b+ - - - + - - - +| 3.0 | 4.0 |+ - - - + - - - +…> > >模型。變換(df)。顯示()+ - - - + - - - + - - - - - - - - - - - - + +| | | b out_a | out_b |+ - - - + - - - + - - - - - - - - - - - - + +| 1.0 |南| 1.0 | 4.0 || 2.0 |南| 2.0 | 4.0 ||南| 3.0 | 3.0 | 3.0 |…> > >輸入。setStrategy(“中值”)。setMissingValue(1.0)。適合(df)。變換(df)。顯示()+ - - - + - - - + - - - - - - - - - - - - + +| | | b out_a | out_b |+ - - - + - - - + - - - - - - - - - - - - + +| 1.0 |南| 4.0 |南|…> > >df1=火花。createDataFrame(((1.0),(2.0),(浮動(“南”),),(4.0),(5.0),(“一個”])> > >imputer1=輸入(inputCol=“一個”,outputCol=“out_a”)> > >model1=imputer1。適合(df1)> > >model1。surrogateDF。顯示()+ - - - +|的|+ - - - +| 3.0 |+ - - - +…> > >model1。變換(df1)。顯示()+ - - - + - - - +|的| out_a |+ - - - + - - - +| 1.0 | 1.0 || 2.0 | 2.0 ||南| 3.0 |…> > >imputer1。setStrategy(“中值”)。setMissingValue(1.0)。適合(df1)。變換(df1)。顯示()+ - - - + - - - +|的| out_a |+ - - - + - - - +| 1.0 | 4.0 |…> > >df2=火花。createDataFrame(((浮動(“南”),),(浮動(“南”),),(3.0),(4.0),(5.0),…(“b”])> > >imputer2=輸入(inputCol=“b”,outputCol=“out_b”)> > >model2=imputer2。適合(df2)> > >model2。surrogateDF。顯示()+ - - - +b | |+ - - - +| 4.0 |+ - - - +…> > >model2。變換(df2)。顯示()+ - - - + - - - +| | b out_b |+ - - - + - - - +|南| 4.0 ||南| 4.0 || 3.0 | 3.0 |…> > >imputer2。setStrategy(“中值”)。setMissingValue(1.0)。適合(df2)。變換(df2)。顯示()+ - - - + - - - +| | b out_b |+ - - - + - - - +| |南南|…> > >imputerPath=temp_path+“/輸入”> > >輸入。保存(imputerPath)> > >loadedImputer=輸入。負載(imputerPath)> > >loadedImputer。getStrategy()= =輸入。getStrategy()真正的> > >loadedImputer。getMissingValue()1.0> > >modelPath=temp_path+“/ imputer-model”> > >模型。保存(modelPath)> > >loadedModel=ImputerModel。負載(modelPath)> > >loadedModel。變換(df)。頭()。out_a= =模型。變換(df)。頭()。out_a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inputCol或其默認值。
得到的價值inputCols或其默認值。
獲得的價值
missingValue
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。
得到的價值outputCols或其默認值。
getParam
(paramName)通過它的名稱參數。
得到的價值relativeError或其默認值。
獲得的價值
策略
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。
setInputCol
(值)設置的值
inputCol
。setInputCols
(值)設置的值
inputCols
。設置的值
missingValue
。setOutputCol
(值)設置的值
outputCol
。設置的值
outputCols
。setparam
(自我\[,策略,…))設置參數輸入。
設置的值
relativeError
。setStrategy
(值)設置的值
策略
。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。
-
-
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。
-
getMissingValue
( )→浮動¶ -
獲得的價值
missingValue
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。
-
getRelativeError
( )→浮動¶ -
得到的價值relativeError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。
-
setInputCol
( 價值:str )→pyspark.ml.feature.Imputer ¶ -
設置的值
inputCol
。
-
setInputCols
( 價值:列表(str] )→pyspark.ml.feature.Imputer ¶ -
設置的值
inputCols
。
-
setMissingValue
( 價值:浮動 )→pyspark.ml.feature.Imputer ¶ -
設置的值
missingValue
。
-
setOutputCol
( 價值:str )→pyspark.ml.feature.Imputer ¶ -
設置的值
outputCol
。
-
setOutputCols
( 價值:列表(str] )→pyspark.ml.feature.Imputer ¶ -
設置的值
outputCols
。
-
setparam
( 自我,\ *,策略= "的意思是",missingValue =浮動(南),inputCols =沒有,outputCols =沒有,inputCol =沒有,outputCol =沒有,relativeError = 0.001 ) ¶ -
設置參數輸入。
-
setRelativeError
( 價值:浮動 )→pyspark.ml.feature.Imputer ¶ -
設置的值
relativeError
。
-
setStrategy
( 價值:str )→pyspark.ml.feature.Imputer ¶ -
設置的值
策略
。
-
寫
( )→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。) ¶
-
missingValue
=參數(父母=‘定義’,name = ' missingValue ', doc = '缺失值的占位符。出現的所有missingValue將估算。”) ¶
-
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
。
-
relativeError
=參數(父母=‘定義’,name = ' relativeError ', doc = '相對目標精度的近似算法分位數。必須在[0,1]”) ¶
-
策略
=參數(父母=‘定義’,name =“策略”,醫生= '歸責的策略。如果是說,然後用均值代替缺失值的特性。如果值,然後使用中值代替缺失值的特性。如果模式,那麼替換丟失的使用最頻繁的價值特性。”) ¶
-