GaussianMixture

類 pyspark.ml.clustering。 GaussianMixture ( *,featuresCol:str=“特性”,predictionCol:str=“預測”,k:int=2,probabilityCol:str=“概率”,托爾:浮動=0.01,麥克斯特:int=One hundred.,種子:可選(int]=沒有一個,aggregationDepth:int=2,weightCol:可選(str]=沒有一個 )

GaussianMixture集群。這類執行期望最大化的多元高斯混合模型(gmm)。GMM代表一個複合分布獨立的高斯分布與相關的“混合”指定每個貢獻的組合權重。

給定一組采樣點,這個類將最大化對數似混合高斯模型的k,迭代直到對數似變化小於convergenceTol,或直到它達到最大迭代次數。雖然這個過程是一般保證收斂,不能保證找到全局最優。

筆記

對高維數據(有許多特性),該算法可能表現不佳。這是由於高維數據(a)很難在所有集群(基於統計/理論參數)和(b)與高斯分布數值問題。

例子

> > >從pyspark.ml.linalg進口向量

> > >數據=((向量。密集的([- - - - - -0.1,- - - - - -0.05),),…(向量。密集的([- - - - - -0.01,- - - - - -0.1),),…(向量。密集的([0.9,0.8),),…(向量。密集的([0.75,0.935),),…(向量。密集的([- - - - - -0.83,- - - - - -0.68),),…(向量。密集的([- - - - - -0.91,- - - - - -0.76),)> > >df=火花。createDataFrame(數據,(“特征”])> > >通用汽車=GaussianMixture(k=3,托爾=0.0001,種子=10)> > >通用汽車。getMaxIter()One hundred.> > >通用汽車。setMaxIter(30.)GaussianMixture……> > >通用汽車。getMaxIter()30.> > >模型=通用汽車。適合(df)> > >模型。getAggregationDepth()2> > >模型。getFeaturesCol()“特性”> > >模型。setPredictionCol(“newPrediction”)GaussianMixtureModel……> > >模型。預測(df。頭()。特性)2> > >模型。predictProbability(df。頭()。特性)DenseVector ((0.0, 0.0, 1.0))> > >模型。hasSummary真正的> > >總結=模型。總結> > >總結。k3> > >總結。clusterSizes(2,2,2)> > >權重=模型。權重> > >len(權重)3> > >高斯函數=模型。高斯函數> > >len(高斯函數)3> > >高斯函數(0]。的意思是DenseVector ([0.825, 0.8675])> > >高斯函數(0]。浸DenseMatrix (2, 2, 0.0056, -0.0051, -0.0051, 0.0046, 0)> > >高斯函數(1]。的意思是DenseVector ([-0.87, -0.72])> > >高斯函數(1]。浸DenseMatrix (2, 2, 0.0016, 0.0016, 0.0016, 0.0016, 0)> > >高斯函數(2]。的意思是DenseVector ([-0.055, -0.075])> > >高斯函數(2]。浸DenseMatrix (2, 2, 0.002, -0.0011, -0.0011, 0.0006, 0)> > >模型。gaussiansDF。選擇(“的意思是”)。頭()行(意味著= DenseVector ([0.825, 0.8675]))> > >模型。gaussiansDF。選擇(“浸”)。頭()行(x = DenseMatrix(2, 2,(0.0056, -0.0051, -0.0051, 0.0046),假))> > >改變了=模型。變換(df)。選擇(“特征”,“newPrediction”)> > >行=改變了。收集()> > >行(4]。newPrediction= =行(5]。newPrediction真正的> > >行(2]。newPrediction= =行(3]。newPrediction真正的> > >gmm_path=temp_path+“/ gmm”> > >通用汽車。保存(gmm_path)> > >gm2=GaussianMixture。負載(gmm_path)> > >gm2。getK()3> > >model_path=temp_path+“/ gmm_model”> > >模型。保存(model_path)> > >model2=GaussianMixtureModel。負載(model_path)> > >model2。hasSummary假> > >model2。權重= =模型。權重真正的> > >model2。高斯函數(0]。的意思是= =模型。高斯函數(0]。的意思是真正的> > >model2。高斯函數(0]。浸= =模型。高斯函數(0]。浸真正的> > >model2。高斯函數(1]。的意思是= =模型。高斯函數(1]。的意思是真正的> > >model2。高斯函數(1]。浸= =模型。高斯函數(1]。浸真正的> > >model2。高斯函數(2]。的意思是= =模型。高斯函數(2]。的意思是真正的> > >model2。高斯函數(2]。浸= =模型。高斯函數(2]。浸真正的> > >model2。gaussiansDF。選擇(“的意思是”)。頭()行(意味著= DenseVector ([0.825, 0.8675]))> > >model2。gaussiansDF。選擇(“浸”)。頭()行(x = DenseMatrix(2, 2,(0.0056, -0.0051, -0.0051, 0.0046),假))> > >模型。變換(df)。取(1)= =model2。變換(df)。取(1)真正的> > >gm2。setWeightCol(“重量”)GaussianMixture……

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。
getAggregationDepth()	得到的價值aggregationDepth或其默認值。
getFeaturesCol()	得到的價值featuresCol或其默認值。
getK()	獲得的價值k
getMaxIter()	麥克斯特的價值或其默認值。
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。
getSeed()	種子的價值或其默認值。
getTol()	被托爾的價值或其默認值。
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。
setAggregationDepth(值)	設置的值aggregationDepth。
setFeaturesCol(值)	設置的值featuresCol。
setK(值)	設置的值k。
setMaxIter(值)	設置的值麥克斯特。
setparam(自我\ * (featuresCol,…))	GaussianMixture設置參數。
setPredictionCol(值)	設置的值predictionCol。
setProbabilityCol(值)	設置的值probabilityCol。
setSeed(值)	設置的值種子。
setTol(值)	設置的值托爾。
setWeightCol(值)	設置的值weightCol。
寫()	返回一個MLWriter實例毫升實例。

屬性

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

getAggregationDepth ( )→int

得到的價值aggregationDepth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

getMaxIter ( )→int

麥克斯特的價值或其默認值。

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。

getSeed ( )→int

種子的價值或其默認值。

getTol ( )→浮動

被托爾的價值或其默認值。

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。

setAggregationDepth ( 價值:int )→pyspark.ml.clustering.GaussianMixture

設置的值aggregationDepth。

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

設置的值featuresCol。

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

設置的值k。

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

設置的值麥克斯特。

setparam ( 自我,\ *,featuresCol = "特性",predictionCol = "預測",k = 2,probabilityCol =“概率”,托爾= 0.01,麥克斯特= 100,種子=沒有,aggregationDepth = 2,weightCol =沒有 )

GaussianMixture設置參數。

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

設置的值predictionCol。

setProbabilityCol ( 價值:str )→pyspark.ml.clustering.GaussianMixture

設置的值probabilityCol。

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

設置的值種子。

setTol ( 價值:浮動 )→pyspark.ml.clustering.GaussianMixture

設置的值托爾。

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

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

aggregationDepth =參數(父母=‘定義’,name = ' aggregationDepth ', doc =的建議深度treeAggregate (> = 2)。)

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= '的獨立的高斯函數混合模型。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。)

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。”)

種子 =參數(父母=‘定義’,name =“種子”,醫生=“隨機種子。”)

托爾 =參數(父母=‘定義’,name =“托爾”,醫生=迭代算法的收斂公差(> = 0)”。)

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

KMeansSummary

下一個

GaussianMixtureModel