輸入

pyspark.ml.feature。 輸入 ( *,策略:str=“的意思是”,missingValue:浮動=,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)> > >model1surrogateDF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 |> > >imputer1setStrategy(“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)> > >model2surrogateDF顯示()+ - - - +b | |+ - - - +| 4.0 |+ - - - +> > >model2變換(df2)顯示()+ - - - + - - - +| | b out_b |+ - - - + - - - +|南| 4.0 ||南| 4.0 || 3.0 | 3.0 |> > >imputer2setStrategy(“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)> > >loadedImputergetStrategy()= =輸入getStrategy()真正的> > >loadedImputergetMissingValue()1.0> > >modelPath=temp_path+“/ imputer-model”> > >模型保存(modelPath)> > >loadedModel=ImputerModel負載(modelPath)> > >loadedModel變換(df)()out_a= =模型變換(df)()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。

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

getInputCol()

得到的價值inputCol或其默認值。

getInputCols()

得到的價值inputCols或其默認值。

getMissingValue()

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。

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。

getRelativeError()

得到的價值relativeError或其默認值。

getStrategy()

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)

()

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

setMissingValue(值)

設置的值missingValue

setOutputCol(值)

設置的值outputCol

setOutputCols(值)

設置的值outputCols

setparam(自我\[,策略,…))

設置參數輸入。

setRelativeError(值)

設置的值relativeError

setStrategy(值)

設置的值策略

()

返回一個MLWriter實例毫升實例。

屬性

inputCol

inputCols

missingValue

outputCol

outputCols

參數個數

返回所有參數命令的名字。

relativeError

策略

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。

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。

getStrategy ( )→str

獲得的價值策略或其默認值。

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.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

( )→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。”)