NaiveBayes

類 pyspark.ml.classification。 NaiveBayes ( *,featuresCol:str=“特性”,labelCol:str=“標簽”,predictionCol:str=“預測”,probabilityCol:str=“概率”,rawPredictionCol:str=“rawPrediction”,平滑:浮動=1.0,modelType:str=多項式的,閾值:可選(列表(浮動]]=沒有一個,weightCol:可選(str]=沒有一個 )

樸素貝葉斯分類器。它同時支持多項和伯努利NB。多項NB可以處理有限離散數據的支持。例如,通過將文檔轉換成TF-IDF向量,它可用於文檔分類。通過每一個向量二進製數據(0/1),它也可以被用作伯努利NB。

的輸入特征值多項式NB和伯努利NB必須負的。3.0.0以來,它支持補充NB多項NB的適應。具體來說,每個類的補注使用統計數據補計算模型的係數。補充NB的發明家展示經驗的參數估計比多項式NB CNB更穩定。像多項NB,輸入特征值補注必須負的。從3.0.0,它還支持高斯NB。可以處理連續數據。

例子

> > >從pyspark.sql進口行> > >從pyspark.ml.linalg進口向量> > >df=火花。createDataFrame([…行(標簽=0.0,重量=0.1,特性=向量。密集的([0.0,0.0))),…行(標簽=0.0,重量=0.5,特性=向量。密集的([0.0,1.0))),…行(標簽=1.0,重量=1.0,特性=向量。密集的([1.0,0.0)))))> > >注=NaiveBayes(平滑=1.0,modelType=“多項”,weightCol=“重量”)> > >模型=注。適合(df)> > >模型。setFeaturesCol(“特征”)NaiveBayesModel……> > >模型。getSmoothing()1.0> > >模型。πDenseVector ([-0.81…,-0.58……)> > >模型。θDenseMatrix (2, 2, [-0.91…,-0.51……,-0.40……,-1.09……),1)> > >模型。σDenseMatrix (0, 0, […),…)> > >電平=sc。並行化([行(特性=向量。密集的([1.0,0.0)))))。toDF()> > >模型。預測(電平。頭()。特性)1.0> > >模型。predictRaw(電平。頭()。特性)DenseVector ([-1.72…,-0.99……)> > >模型。predictProbability(電平。頭()。特性)DenseVector ([0.32…,0.67……)> > >結果=模型。變換(電平)。頭()> > >結果。預測1.0> > >結果。概率DenseVector ([0.32…,0.67……)> > >結果。rawPredictionDenseVector ([-1.72…,-0.99……)> > >test1=sc。並行化([行(特性=向量。稀疏的(2,(0),(1.0)))))。toDF()> > >模型。變換(test1)。頭()。預測1.0> > >nb_path=temp_path+“/ nb”> > >注。保存(nb_path)> > >nb2=NaiveBayes。負載(nb_path)> > >nb2。getSmoothing()1.0> > >model_path=temp_path+“/ nb_model”> > >模型。保存(model_path)> > >model2=NaiveBayesModel。負載(model_path)> > >模型。π= =model2。π真正的> > >模型。θ= =model2。θ真正的> > >模型。變換(電平)。取(1)= =model2。變換(電平)。取(1)真正的> > >注=注。setThresholds([0.01,10.00])> > >model3=注。適合(df)> > >結果=model3。變換(電平)。頭()> > >結果。預測0.0> > >nb3=NaiveBayes()。setModelType(“高斯”)> > >model4=nb3。適合(df)> > >model4。getModelType()“高斯”> > >model4。σDenseMatrix (2, 2, (0.0, 0.25, 0.0, 0.0), 1)> > >nb5=NaiveBayes(平滑=1.0,modelType=“補”,weightCol=“重量”)> > >model5=nb5。適合(df)> > >model5。getModelType()“補”> > >model5。θDenseMatrix (2, 2,…),1)> > >model5。σDenseMatrix (0, 0, […),…)

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。
getFeaturesCol()	得到的價值featuresCol或其默認值。
getLabelCol()	得到的價值labelCol或其默認值。
getModelType()	得到的價值modelType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。
getSmoothing()	得到平滑的價值或其默認值。
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)。
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。
setLabelCol(值)	設置的值labelCol。
setModelType(值)	設置的值modelType。
setparam(自我,\ [,labelCol featuresCol…))	集樸素貝葉斯參數。
setPredictionCol(值)	設置的值predictionCol。
setProbabilityCol(值)	設置的值probabilityCol。
setRawPredictionCol(值)	設置的值rawPredictionCol。
setSmoothing(值)	設置的值平滑。
setThresholds(值)	設置的值閾值。
setWeightCol(值)	設置的值weightCol。
寫()	返回一個MLWriter實例毫升實例。

屬性

featuresCol
labelCol
modelType
參數個數	返回所有參數命令的名字。
predictionCol
probabilityCol
rawPredictionCol
平滑
閾值
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

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。

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。

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。

getFeaturesCol ( )→str

得到的價值featuresCol或其默認值。

getLabelCol ( )→str

得到的價值labelCol或其默認值。

getModelType ( )→str

得到的價值modelType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。

getSmoothing ( )→浮動

得到平滑的價值或其默認值。

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)。

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。

setLabelCol ( 價值:str )→P

設置的值labelCol。

setModelType ( 價值:str )→pyspark.ml.classification.NaiveBayes

設置的值modelType。

setparam ( 自我,\ *,featuresCol = "特性",labelCol = "標簽",predictionCol = "預測",probabilityCol =“概率”,rawPredictionCol = " rawPrediction ",平滑= 1.0,modelType = "多項",閾值=沒有,weightCol =沒有 )

集樸素貝葉斯參數。

setPredictionCol ( 價值:str )→P

設置的值predictionCol。

setProbabilityCol ( 價值:str )→P

設置的值probabilityCol。

setRawPredictionCol ( 價值:str )→P

設置的值rawPredictionCol。

setSmoothing ( 價值:浮動 )→pyspark.ml.classification.NaiveBayes

設置的值平滑。

setThresholds ( 價值:列表(浮動] )→P

設置的值閾值。

setWeightCol ( 價值:str )→pyspark.ml.classification.NaiveBayes

設置的值weightCol。

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

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

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

modelType =參數(父母=‘定義’,name = ' modelType ', doc = '的模型類型是一個字符串(大小寫敏感)。支持選項:多項(默認)、伯努利和高斯。”)

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 =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”。)

平滑 =參數(父母=‘定義’,name =“平滑”,醫生=的平滑參數,應該是> = 0,默認是1.0”)

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。”)

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

BinaryRandomForestClassificationTrainingSummary

下一個

NaiveBayesModel