OneHotEncoder¶
-
類
pyspark.ml.feature。
OneHotEncoder
( *,inputCols:可選(列表(str]]=沒有一個,outputCols:可選(列表(str]]=沒有一個,handleInvalid:str=“錯誤”,dropLast:bool=真正的,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個 ) ¶ -
一個地圖的一個炎熱的編碼器類別索引的列的列二進製向量,每行最多一個一個值,指示輸入類別索引。與5個類別,例如一個輸入值為2.0時將映射到一個輸出向量(0.0,0.0,1.0,0.0)。最後一類是不包括在默認情況下(可配置通過
dropLast
),因為它使向量條目總結,因此線性相關的。所以4.0地圖的輸入值(0.0,0.0,0.0,0.0)。當
handleInvalid
配置為“保持”,添加一個額外的“類別”指示無效值作為最後的類別。所以,當dropLast
是真的,編碼為無效值都為零向量。另請參閱
-
StringIndexer
-
定值轉化為分類指標
筆記
這不同於scikit-learn OneHotEncoder,讓所有類別。輸出向量是稀疏的。
當編碼多列使用
inputCols
和outputCols
參數,輸入/輸出關口都是成對的,順序指定的數組,每一對獨立處理。例子
> > >從pyspark.ml.linalg進口向量> > >df=火花。createDataFrame(((0.0),(1.0),(2.0),(“輸入”])> > >鹹寧=OneHotEncoder()> > >鹹寧。setInputCols([“輸入”])OneHotEncoder……> > >鹹寧。setOutputCols([“輸出”])OneHotEncoder……> > >模型=鹹寧。適合(df)> > >模型。setOutputCols([“輸出”])OneHotEncoderModel……> > >模型。getHandleInvalid()“錯誤”> > >模型。變換(df)。頭()。輸出SparseVector ({0: 1.0})> > >single_col_ohe=OneHotEncoder(inputCol=“輸入”,outputCol=“輸出”)> > >single_col_model=single_col_ohe。適合(df)> > >single_col_model。變換(df)。頭()。輸出SparseVector ({0: 1.0})> > >ohePath=temp_path+“/鹹寧”> > >鹹寧。保存(ohePath)> > >loadedOHE=OneHotEncoder。負載(ohePath)> > >loadedOHE。getInputCols()= =鹹寧。getInputCols()真正的> > >modelPath=temp_path+“/ ohe-model”> > >模型。保存(modelPath)> > >loadedModel=OneHotEncoderModel。負載(modelPath)> > >loadedModel。categorySizes= =模型。categorySizes真正的> > >loadedModel。變換(df)。取(1)= =模型。變換(df)。取(1)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dropLast或其默認值。
得到的價值handleInvalid或其默認值。
得到的價值inputCol或其默認值。
得到的價值inputCols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。
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。
setDropLast
(值)設置的值
dropLast
。設置的值
handleInvalid
。setInputCol
(值)設置的值
inputCol
。setInputCols
(值)設置的值
inputCols
。setOutputCol
(值)設置的值
outputCol
。設置的值
outputCols
。setparam
(自我,\ [,outputCols inputCols…))為這個OneHotEncoder設置參數。
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。複製和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。
-
-
getDropLast
( )→bool¶ -
得到的價值dropLast或其默認值。
-
getHandleInvalid
( )→str¶ -
得到的價值handleInvalid或其默認值。
-
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。
-
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。
-
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。
-
setDropLast
( 價值:bool )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
dropLast
。
-
setHandleInvalid
( 價值:str )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
handleInvalid
。
-
setInputCol
( 價值:str )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
inputCol
。
-
setInputCols
( 價值:列表(str] )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
inputCols
。
-
setOutputCol
( 價值:str )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
outputCol
。
-
setOutputCols
( 價值:列表(str] )→pyspark.ml.feature.OneHotEncoder ¶ -
設置的值
outputCols
。
-
setparam
( 自我,\ *,inputCols =沒有,outputCols =沒有,handleInvalid = "錯誤",dropLast = True,inputCol =沒有,outputCol =沒有 ) ¶ -
為這個OneHotEncoder設置參數。
-
寫
( )→pyspark.ml.util.JavaMLWriter¶ -
返回一個MLWriter實例毫升實例。
屬性的文檔
-
dropLast
=參數(父母=‘定義’,name = ' dropLast ', doc =是否放棄過去的類別) ¶
-
handleInvalid
=參數(父母=‘定義’,name = ' handleInvalid ', doc = "期間如何處理無效數據變換()。選擇“繼續”(無效的數據作為一個額外的分類特性)或錯誤(拋出一個錯誤)。注意,這個參數是隻用在變換;在擬合,無效的數據將導致一個錯誤。”) ¶
-
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。) ¶
-
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
。
-