DecisionTreeClassificationModel¶

類 pyspark.ml.classification。 DecisionTreeClassificationModel ( java_model:可選(JavaObject]=沒有一個 ) ¶

由DecisionTreeClassifier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。
`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。
`getCacheNodeIds`()	得到的價值cacheNodeIds或其默認值。
`getCheckpointInterval`()	得到的價值checkpointInterval或其默認值。
`getFeaturesCol`()	得到的價值featuresCol或其默認值。
`getImpurity`()	雜質的價值或其默認值。
`getLabelCol`()	得到的價值labelCol或其默認值。
`getLeafCol`()	得到的價值leafCol或其默認值。
`getMaxBins`()	得到的價值maxBins或其默認值。
`getMaxDepth`()	maxDepth的價值或其默認值。
`getMaxMemoryInMB`()	得到的價值maxMemoryInMB或其默認值。
`getMinInfoGain`()	得到的價值minInfoGain或其默認值。
`getMinInstancesPerNode`()	得到的價值minInstancesPerNode或其默認值。
`getMinWeightFractionPerNode`()	得到的價值minWeightFractionPerNode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。
`getPredictionCol`()	得到的價值predictionCol或其默認值。
`getProbabilityCol`()	得到的價值probabilityCol或其默認值。
`getRawPredictionCol`()	得到的價值rawPredictionCol或其默認值。
`getSeed`()	種子的價值或其默認值。
`getThresholds`()	得到的值閾值或其默認值。
`getWeightCol`()	得到的價值weightCol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)。
`預測`(值)	預測給定特性的標簽。
`predictLeaf`(值)	預測樹葉的指標對應的特征向量。
`predictProbability`(值)	每個類的概率預測的功能。
`predictRaw`(值)	原始預測為每個可能的標簽。
`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。
`setFeaturesCol`(值)	設置的值`featuresCol`。
`setLeafCol`(值)	設置的值`leafCol`。
`setPredictionCol`(值)	設置的值`predictionCol`。
`setProbabilityCol`(值)	設置的值`probabilityCol`。
`setRawPredictionCol`(值)	設置的值`rawPredictionCol`。
`setThresholds`(值)	設置的值`閾值`。
`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

`cacheNodeIds`
`checkpointInterval`
`深度`	決策樹的深度。
`featureImportances`	估計每個特性的重要性。
`featuresCol`
`雜質`
`labelCol`
`leafCol`
`maxBins`
`maxDepth`
`maxMemoryInMB`
`minInfoGain`
`minInstancesPerNode`
`minWeightFractionPerNode`
`numClasses`	數量的類標簽可以(值)。
`numFeatures`	返回的數量特征模型訓練。
`numNodes`	返回的節點數量的決策樹。
`參數個數`	返回所有參數命令的名字。
`predictionCol`
`probabilityCol`
`rawPredictionCol`
`種子`
`supportedImpurities`
`閾值`
`toDebugString`	完整的描述模型。
`weightCol`

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

getCacheNodeIds ( )→bool¶: 得到的價值cacheNodeIds或其默認值。

getCheckpointInterval ( )→int¶: 得到的價值checkpointInterval或其默認值。

getFeaturesCol ( )→str¶: 得到的價值featuresCol或其默認值。

getImpurity ( )→str¶: 雜質的價值或其默認值。

getLabelCol ( )→str¶: 得到的價值labelCol或其默認值。

getLeafCol ( )→str¶: 得到的價值leafCol或其默認值。

getMaxBins ( )→int¶: 得到的價值maxBins或其默認值。

getMaxDepth ( )→int¶: maxDepth的價值或其默認值。

getMaxMemoryInMB ( )→int¶: 得到的價值maxMemoryInMB或其默認值。

getMinInfoGain ( )→浮動¶: 得到的價值minInfoGain或其默認值。

getMinInstancesPerNode ( )→int¶: 得到的價值minInstancesPerNode或其默認值。

getMinWeightFractionPerNode ( )→浮動¶: 得到的價值minWeightFractionPerNode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。

getProbabilityCol ( )→str¶: 得到的價值probabilityCol或其默認值。

getRawPredictionCol ( )→str¶: 得到的價值rawPredictionCol或其默認值。

getSeed ( )→int¶: 種子的價值或其默認值。

getThresholds ( )→列表(浮動] ¶: 得到的值閾值或其默認值。

getWeightCol ( )→str¶: 得到的價值weightCol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)。

預測 ( 價值:T )→浮動¶: 預測給定特性的標簽。

predictLeaf ( 價值:pyspark.ml.linalg.Vector )→浮動¶: 預測樹葉的指標對應的特征向量。

predictProbability ( 價值:pyspark.ml.linalg.Vector )→pyspark.ml.linalg.Vector ¶: 每個類的概率預測的功能。

predictRaw ( 價值:pyspark.ml.linalg.Vector )→pyspark.ml.linalg.Vector ¶: 原始預測為每個可能的標簽。

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。

setFeaturesCol ( 價值:str )→P¶: 設置的值featuresCol。

setLeafCol ( 價值:str )→P¶: 設置的值leafCol。

setPredictionCol ( 價值:str )→P¶: 設置的值predictionCol。

setProbabilityCol ( 價值:str )→厘米¶: 設置的值probabilityCol。

setRawPredictionCol ( 價值:str )→P¶: 設置的值rawPredictionCol。

setThresholds ( 價值:列表(浮動] )→厘米¶: 設置的值閾值。

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。

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

cacheNodeIds =參數(父母=‘定義’,name = ' cacheNodeIds ', doc = '如果錯誤,算法將樹木與節點執行人匹配實例。如果這是真的,該算法將緩存節點為每個實例id。緩存可以加快訓練更深層次的樹。用戶可以設置緩存應該多久通過設置checkpointInterval檢查點或禁用它。”) ¶

checkpointInterval =參數(父母=‘定義’,name = ' checkpointInterval ', doc = '設置檢查點間隔(> = 1)或禁用檢查點(1)。例如10意味著緩存將檢查點每10迭代。注意:此設置將被忽略,如果目錄沒有設置檢查站SparkContext。”) ¶

深度 ¶: 決策樹的深度。

featureImportances ¶

估計每個特性的重要性。

這個概括的概念“基尼”重視其他損失,後基尼重要性的解釋“隨機森林”文檔由Leo Breiman和阿黛爾卡特勒,從scikit-learn後實施。

這個特性重要性計算如下:

重要性(特性j) =(超過節點分裂的特性j)和增益,增益是通過節點實例的數量
規範化的重要性樹總和為1。

筆記

特性為單一的決策樹可以有很高的重要性差異由於相關預測變量。考慮使用RandomForestClassifier確定功能的重要性。

featuresCol =參數(父母=‘定義’,name = ' featuresCol ', doc =功能列名稱。) ¶

雜質 =參數(父母=‘定義’,name =“雜質”,醫生= '標準用於信息增益計算(不區分大小寫)。支持選擇:熵,基尼”) ¶

labelCol =參數(父母=‘定義’,name = ' labelCol ', doc =“標簽列名。”) ¶

leafCol =參數(父母=‘定義’,name = ' leafCol ', doc = '葉指數列名。預測葉指數每棵樹的每個實例預訂。) ¶

maxBins =參數(父母=‘定義’,name = ' maxBins ', doc = '最大數量的垃圾箱離散化連續特性。必須> = 2,> =數量的類別分類特性。”) ¶

maxDepth =參數(父母=‘定義’,name = ' maxDepth ',醫生= '樹的最大深度。(> = 0)例如,深度0意味著1葉節點;深度1意味著1 + 2葉節點內部節點。必須在區間[0,30]。”) ¶

maxMemoryInMB =參數(父母=‘定義’,name = ' maxMemoryInMB ',醫生在MB = '最大內存分配給直方圖聚合。如果太小,那麼1個節點將被分配每個迭代,和它的總量可能超過這個大小。”) ¶

minInfoGain =參數(父母=‘定義’,name = ' minInfoGain ', doc =分割的最小信息增益被認為是在一個樹節點。) ¶

minInstancesPerNode =參數(父母=‘定義’,name = ' minInstancesPerNode ', doc = '每個孩子都必須有最小數量的實例後分裂。如果分裂導致左邊或者右邊的孩子不到minInstancesPerNode,分割將作為無效的被丟棄。應該是> = 1”。) ¶

minWeightFractionPerNode =參數(父母=‘定義’,name = ' minWeightFractionPerNode ', doc = '的最低分數加權樣本計數後,每個孩子都必須有分裂。如果一個分裂導致分數總重量的向左或向右孩子小於minWeightFractionPerNode,分割將作為無效的被丟棄。應該在區間[0.0,0.5)。”) ¶

numClasses ¶: 數量的類標簽可以(值)。

numFeatures ¶: 返回的數量特征模型訓練。如果未知,返回1

numNodes ¶: 返回的節點數量的決策樹。

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。) ¶

probabilityCol :Param (str) =參數(父母=‘定義’,name = ' probabilityCol ', doc = '列名為預測類條件概率。注意:並不是所有的模型輸出精確校準的概率估計!這些概率應該被視為機密,而不是精確的概率。”) ¶

rawPredictionCol =參數(父母=‘定義’,name = ' rawPredictionCol ', doc =“原始預測(又名信心)列名”。) ¶

種子 =參數(父母=‘定義’,name =“種子”,醫生=“隨機種子。”) ¶

supportedImpurities =(“熵”、“基尼”) ¶

閾值 =參數(父母=‘定義’,name =“閾值”,醫生=“多層次分類閾值調整的概率預測每個類。數組長度必須等於類的數量,最多值> 0,除了一個值可能是0。類最大的值p / t是預測,p是原始類和t的概率是類的門檻。”) ¶

toDebugString ¶: 完整的描述模型。

weightCol =參數(父母=‘定義’,name = ' weightCol ', doc = '體重列名。如果這不是設置或空,我們對所有實例權重為1.0。”) ¶

以前的

DecisionTreeClassifier

下一個

GBTClassifier