FPGrowthModel¶
-
類
pyspark.ml.fpm。FPGrowthModel( java_model:可選(JavaObject]=沒有一個 ) ¶ -
由FPGrowth模型擬合。
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。
得到的價值itemsCol或其默認值。
得到的價值minConfidence或其默認值。
得到的價值minSupport或其默認值。
獲得的價值
numPartitions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。
getParam(paramName)通過它的名稱參數。
得到的價值predictionCol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。
setItemsCol(值)設置的值
itemsCol。設置的值
minConfidence。設置的值
predictionCol。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
DataFrame有四個列:*先行詞——相同類型的數組作為輸入列。
DataFrame兩列:*項目——相同類型的項目集作為輸入列。
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
-
getItemsCol( )→str¶ -
得到的價值itemsCol或其默認值。
-
getMinConfidence( )→浮動¶ -
得到的價值minConfidence或其默認值。
-
getMinSupport( )→浮動¶ -
得到的價值minSupport或其默認值。
-
getNumPartitions( )→int¶ -
獲得的價值
numPartitions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。
-
getParam( paramName:str )→pyspark.ml.param.Param ¶ -
通過它的名稱參數。
-
getPredictionCol( )→str¶ -
得到的價值predictionCol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。
-
setItemsCol( 價值:str )→pyspark.ml.fpm.FPGrowthModel ¶ -
設置的值
itemsCol。
-
setMinConfidence( 價值:浮動 )→pyspark.ml.fpm.FPGrowthModel ¶ -
設置的值
minConfidence。
-
setPredictionCol( 價值:str )→pyspark.ml.fpm.FPGrowthModel ¶ -
設置的值
predictionCol。
-
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
-
associationRules¶ -
DataFrame有四個列:*先行詞——相同類型的數組作為輸入列。*順向——相同類型的數組作為輸入列。*信心——信心的規則(倍增式)。*電梯——提升規則(倍增式)。
-
freqItemsets¶ -
DataFrame兩列:*項目——相同類型的項目集作為輸入列。*頻率項目集的頻率(LongType)。
-
itemsCol:pyspark.ml.param.Param (str) =參數(父母=‘定義’,name = ' itemsCol ', doc =物品列名) ¶
-
minConfidence:pyspark.ml.param.Param(浮動) =參數(父母=‘定義’,name = ' minConfidence ', doc = '最小生成關聯規則的信心。[0.0,1.0]。minConfidence不會影響頻繁項集的挖掘,但會影響關聯規則生成。) ¶
-
minSupport:pyspark.ml.param.Param(浮動) =參數(父母=‘定義’,name = ' minSupport ', doc = '最小頻繁模式的支撐位。[0.0,1.0]。出現的任何模式(minSupport * size-of-the-dataset)多次將頻繁項集的輸出。”) ¶
-
numPartitions:pyspark.ml.param.Param (int) =參數(父母=‘定義’,name = ' numPartitions ', doc = '分區數量(至少1)平行FP-growth使用。默認情況下,參數沒有設置,輸入數據集的分區號使用。”) ¶
-
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。
-
predictionCol=參數(父母=‘定義’,name = ' predictionCol ', doc =預測列名稱。) ¶
-