BisectingKMeans

類 pyspark.ml.clustering。 BisectingKMeans ( *,featuresCol:str=“特性”,predictionCol:str=“預測”,麥克斯特:int=20.,種子:可選(int]=沒有一個,k:int=4,minDivisibleClusterSize:浮動=1.0,distanceMeasure:str=“歐幾裏得”,weightCol:可選(str]=沒有一個 )

平分的k - means算法在紙上“比較文檔聚類技術”施泰因巴赫通過,Karypis,庫馬爾,修改以適應火花。該算法從單個集群包含所有點。迭代找到可分簇底部水平和使用k - means平分的,直到有k葉總或集群沒有葉簇是可分的。集群在同一水平的二等分步驟被組合在一起來提高並行性。如果平分所有可分簇底部水平會超過k葉集群、大集群獲得更高的優先級。

例子

> > >從pyspark.ml.linalg進口向量> > >數據=((向量。密集的([0.0,0.0]),2.0),(向量。密集的([1.0,1.0]),2.0),…(向量。密集的([9.0,8.0]),2.0),(向量。密集的([8.0,9.0]),2.0)]> > >df=火花。createDataFrame(數據,(“特征”,“weighCol”])> > >bkm=BisectingKMeans(k=2,minDivisibleClusterSize=1.0)> > >bkm。setMaxIter(10)BisectingKMeans……> > >bkm。getMaxIter()10> > >bkm。清晰的(bkm。麥克斯特)> > >bkm。setSeed(1)BisectingKMeans……> > >bkm。setWeightCol(“weighCol”)BisectingKMeans……> > >bkm。getSeed()1> > >bkm。清晰的(bkm。種子)> > >模型=bkm。適合(df)> > >模型。getMaxIter()20.> > >模型。setPredictionCol(“newPrediction”)BisectingKMeansModel……> > >模型。預測(df。頭()。特性)0> > >中心=模型。clusterCenters()> > >len(中心)2> > >模型。computeCost(df)2.0> > >模型。hasSummary真正的> > >總結=模型。總結> > >總結。k2> > >總結。clusterSizes(2,2)> > >總結。trainingCost4.000……> > >改變了=模型。變換(df)。選擇(“特征”,“newPrediction”)> > >行=改變了。收集()> > >行(0]。newPrediction= =行(1]。newPrediction真正的> > >行(2]。newPrediction= =行(3]。newPrediction真正的> > >bkm_path=temp_path+“/ bkm”> > >bkm。保存(bkm_path)> > >bkm2=BisectingKMeans。負載(bkm_path)> > >bkm2。getK()2> > >bkm2。getDistanceMeasure()“歐幾裏得”> > >model_path=temp_path+“/ bkm_model”> > >模型。保存(model_path)> > >model2=BisectingKMeansModel。負載(model_path)> > >model2。hasSummary假> > >模型。clusterCenters()(0]= =model2。clusterCenters()(0]陣列(真的,真的,dtype = bool)> > >模型。clusterCenters()(1]= =model2。clusterCenters()(1]陣列(真的,真的,dtype = bool)> > >模型。變換(df)。取(1)= =model2。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。
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。
getDistanceMeasure()	得到的價值distanceMeasure或其默認值。
getFeaturesCol()	得到的價值featuresCol或其默認值。
getK()	獲得的價值k或其默認值。
getMaxIter()	麥克斯特的價值或其默認值。
getMinDivisibleClusterSize()	獲得的價值minDivisibleClusterSize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。
getSeed()	種子的價值或其默認值。
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。
setDistanceMeasure(值)	設置的值distanceMeasure。
setFeaturesCol(值)	設置的值featuresCol。
setK(值)	設置的值k。
setMaxIter(值)	設置的值麥克斯特。
setMinDivisibleClusterSize(值)	設置的值minDivisibleClusterSize。
setparam(自我\ * (featuresCol,…))	BisectingKMeans設置參數。
setPredictionCol(值)	設置的值predictionCol。
setSeed(值)	設置的值種子。
setWeightCol(值)	設置的值weightCol。
寫()	返回一個MLWriter實例毫升實例。

屬性

distanceMeasure
featuresCol
k
麥克斯特
minDivisibleClusterSize
參數個數	返回所有參數命令的名字。
predictionCol
種子
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。

getDistanceMeasure ( )→str

得到的價值distanceMeasure或其默認值。

getFeaturesCol ( )→str

得到的價值featuresCol或其默認值。

getK ( )→int

獲得的價值k或其默認值。

getMaxIter ( )→int

麥克斯特的價值或其默認值。

getMinDivisibleClusterSize ( )→浮動

獲得的價值minDivisibleClusterSize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。

getSeed ( )→int

種子的價值或其默認值。

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。

setDistanceMeasure ( 價值:str )→pyspark.ml.clustering.BisectingKMeans

設置的值distanceMeasure。

setFeaturesCol ( 價值:str )→pyspark.ml.clustering.BisectingKMeans

設置的值featuresCol。

setK ( 價值:int )→pyspark.ml.clustering.BisectingKMeans

設置的值k。

setMaxIter ( 價值:int )→pyspark.ml.clustering.BisectingKMeans

設置的值麥克斯特。

setMinDivisibleClusterSize ( 價值:浮動 )→pyspark.ml.clustering.BisectingKMeans

設置的值minDivisibleClusterSize。

setparam ( 自我,\ *,featuresCol = "特性",predictionCol = "預測",麥克斯特= 20,種子=沒有,k = 4,minDivisibleClusterSize = 1.0,distanceMeasure =“歐幾裏得”,weightCol =沒有 )

BisectingKMeans設置參數。

setPredictionCol ( 價值:str )→pyspark.ml.clustering.BisectingKMeans

設置的值predictionCol。

setSeed ( 價值:int )→pyspark.ml.clustering.BisectingKMeans

設置的值種子。

setWeightCol ( 價值:str )→pyspark.ml.clustering.BisectingKMeans

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

distanceMeasure =參數(父母=‘定義’,name = ' distanceMeasure ', doc = "測量的距離。支持選擇:“歐幾裏得”和“餘弦”。”)

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

k =參數(父母=‘定義’,名字=“k”,醫生= '所需的葉簇的數量。必須> 1。)

麥克斯特 =參數(父母=‘定義’,name =“麥克斯特”,醫生=“馬克斯(> = 0)的迭代次數。)

minDivisibleClusterSize =參數(父母=‘定義’,name = ' minDivisibleClusterSize ', doc = '最小數量的點(如果> = 1.0)或最低比例的點(如果< 1.0)可分集群。”)

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。)

種子 =參數(父母=‘定義’,name =“種子”,醫生=“隨機種子。”)

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

FMClassificationTrainingSummary

下一個

BisectingKMeansModel