BucketedRandomProjectionLSHModel¶

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

模型擬合的BucketedRandomProjectionLSH,多維隨機向量存儲。向量歸一化是單位向量,每個向量中使用一個哈希函數:\ (h_i地板(x) = (r_i \ cdot x / bucketLength) \)在哪裏\ (r_i \)是第i個隨機單位向量。桶的數量(max輸入向量的L2範數)/ bucketLength。

方法

`approxNearestNeighbors`(數據、關鍵…[…])	給定一個大型數據集和一個項目,大約發現最多k項的項目最近的距離。
`approxSimilarityJoin`(datasetB datasetA…)	加入兩個數據集大約找到所有成對的距離小於閾值的行。
`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。
`getBucketLength`()	得到的價值bucketLength或其默認值。
`getInputCol`()	得到的價值inputCol或其默認值。
`getNumHashTables`()	得到的價值numHashTables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。
`getOutputCol`()	得到的價值outputCol或其默認值。
`getParam`(paramName)	通過它的名稱參數。
`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。
`setInputCol`(值)	設置的值`inputCol`。
`setOutputCol`(值)	設置的值`outputCol`。
`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

`bucketLength`
`inputCol`
`numHashTables`
`outputCol`
`參數個數`	返回所有參數命令的名字。

方法的文檔

approxNearestNeighbors ( 數據集:pyspark.sql.dataframe.DataFrame,關鍵:pyspark.ml.linalg.Vector,numNearestNeighbors:int,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶

給定一個大型數據集和一個項目,大約發現最多k項的項目最近的距離。如果outputCol丟失,該方法將轉換數據;如果outputCol存在,它將使用。這允許在必要時改變了數據的緩存。

參數

數據集 pyspark.sql.DataFrame: 數據集搜索最近的鄰居的關鍵。
關鍵 pyspark.ml.linalg.Vector: 特征向量代表項目搜索。
numNearestNeighbors int: 最近的鄰居的最大數量。
distCol str: 輸出列來存儲每個結果行之間的距離和關鍵。使用“distCol”如果不指定為默認值。

返回

pyspark.sql.DataFrame: 數據集包含最多k項最關鍵。一列“distCol”添加到顯示每一行之間的距離和關鍵。

筆記

這個方法是實驗性的,下一個版本可能會改變行為。

approxSimilarityJoin ( datasetA:pyspark.sql.dataframe.DataFrame,datasetB:pyspark.sql.dataframe.DataFrame,閾值:浮動,distCol:str=“distCol” )→pyspark.sql.dataframe.DataFrame¶

加入兩個數據集大約找到所有成對的距離小於閾值的行。如果outputCol丟失,該方法將轉換數據;如果outputCol存在,它將使用。這允許在必要時改變了數據的緩存。

參數

datasetA pyspark.sql.DataFrame: 的一個數據集加入。
datasetB pyspark.sql.DataFrame: 加入另一個數據集。
閾值浮動: 距離閾值的行。
distCol str,可選: 輸出列來存儲每一對行之間的距離。使用“distCol”如果不指定為默認值。

返回

pyspark.sql.DataFrame: 加入數據集包含雙行。原來的行是列“datasetA”和“datasetB”,和“distCol”一列添加到顯示每一對之間的距離。

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

getBucketLength ( )→浮動¶: 得到的價值bucketLength或其默認值。

getInputCol ( )→str¶: 得到的價值inputCol或其默認值。

getNumHashTables ( )→int¶: 得到的價值numHashTables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。

getOutputCol ( )→str¶: 得到的價值outputCol或其默認值。

getParam ( paramName:str )→pyspark.ml.param.Param ¶: 通過它的名稱參數。

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。

setInputCol ( 價值:str )→P¶: 設置的值inputCol。

setOutputCol ( 價值:str )→P¶: 設置的值outputCol。

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

bucketLength =參數(父母=‘定義’,name = ' bucketLength ', doc = '每個哈希桶的長度,更大的桶降低假陰性率”。) ¶

inputCol =參數(父母=‘定義’,name = ' inputCol ', doc =輸入列名稱。) ¶

numHashTables :pyspark.ml.param.Param (int) =參數(父母=‘定義’,name = ' numHashTables ', doc =”數量的哈希表,哈希表數量的增加降低了假陰性率,並提高運行性能降低。”) ¶

outputCol =參數(父母=‘定義’,name = ' outputCol ', doc =輸出列名稱。) ¶

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。

以前的

BucketedRandomProjectionLSH

下一個

Bucketizer