ChiSqSelector¶
-
類
pyspark.ml.feature。ChiSqSelector( *,numTopFeatures:int=50,featuresCol:str=“特性”,outputCol:可選(str]=沒有一個,labelCol:str=“標簽”,selectorType:str=“numTopFeatures”,百分位:浮動=0.1,玻璃鋼:浮動=0.05,羅斯福:浮動=0.05,fwe:浮動=0.05 ) ¶ -
卡方特征選擇,選擇分類特征用於預測分類標簽。選擇器支持不同的選擇方法:numTopFeatures,百分位,玻璃鋼,羅斯福,fwe。
numTopFeatures選擇一個固定數量的高級特性根據卡方測試。
百分位相似但選擇所有功能的一小部分,而不是一個固定的數字。
玻璃鋼選擇所有特性的假定值低於一個閾值,從而控製選擇的假陽性率。
羅斯福使用Benjamini-Hochberg過程選擇所有功能的錯誤發現率低於一個閾值。
fwe選擇假定值低於一個閾值的所有功能。閾值由1 / numFeatures擴展,從而控製選擇的family-wise錯誤率。
默認情況下,選擇方法numTopFeatures,使用默認的特性設置為50。
使用UnivariateFeatureSelector
例子
> > >從pyspark.ml.linalg進口向量> > >df=火花。createDataFrame(…((向量。密集的([0.0,0.0,18.0,1.0]),1.0),…(向量。密集的([0.0,1.0,12.0,0.0]),0.0),…(向量。密集的([1.0,0.0,15.0,0.1]),0.0)),…(“特征”,“標簽”])> > >選擇器=ChiSqSelector(numTopFeatures=1,outputCol=“selectedFeatures”)> > >模型=選擇器。適合(df)> > >模型。getFeaturesCol()“特性”> > >模型。setFeaturesCol(“特征”)ChiSqSelectorModel……> > >模型。變換(df)。頭()。selectedFeaturesDenseVector ([18.0])> > >模型。selectedFeatures[2]> > >chiSqSelectorPath=temp_path+“/ chi-sq-selector”> > >選擇器。保存(chiSqSelectorPath)> > >loadedSelector=ChiSqSelector。負載(chiSqSelectorPath)> > >loadedSelector。getNumTopFeatures()= =選擇器。getNumTopFeatures()真正的> > >modelPath=temp_path+“/ chi-sq-selector-model”> > >模型。保存(modelPath)> > >loadedModel=ChiSqSelectorModel。負載(modelPath)> > >loadedModel。selectedFeatures= =模型。selectedFeatures真正的> > >loadedModel。變換(df)。取(1)= =模型。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。
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。
getFdr()得到羅斯福的價值或其默認值。
得到的價值featuresCol或其默認值。
getFpr()玻璃鋼的價值或其默認值。
getFwe()得到的價值fwe或其默認值。
得到的價值labelCol或其默認值。
得到的價值numTopFeatures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。
得到的價值outputCol或其默認值。
getParam(paramName)通過它的名稱參數。
百分位的價值或其默認值。
得到的價值selectorType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。
setFdr(值)設置的值
羅斯福。設置的值
featuresCol。setFpr(值)設置的值
玻璃鋼。setFwe(值)設置的值
fwe。setLabelCol(值)設置的值
labelCol。設置的值
numTopFeatures。setOutputCol(值)設置的值
outputCol。setparam(自我\ * (numTopFeatures,…))為這個ChiSqSelector設置參數。
設置的值
百分位。設置的值
selectorType。寫()返回一個MLWriter實例毫升實例。
屬性
返回所有參數命令的名字。
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。
-
數據集
- 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。
-
數據集
- 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。
-
-
getFdr( )→浮動¶ -
得到羅斯福的價值或其默認值。
-
getFeaturesCol( )→str¶ -
得到的價值featuresCol或其默認值。
-
getFpr( )→浮動¶ -
玻璃鋼的價值或其默認值。
-
getFwe( )→浮動¶ -
得到的價值fwe或其默認值。
-
getLabelCol( )→str¶ -
得到的價值labelCol或其默認值。
-
getNumTopFeatures( )→int¶ -
得到的價值numTopFeatures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。
-
getPercentile( )→浮動¶ -
百分位的價值或其默認值。
-
getSelectorType( )→str¶ -
得到的價值selectorType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。
-
setNumTopFeatures( 價值:int )→P¶ -
設置的值
numTopFeatures。隻適用於當selectorType =“numTopFeatures”。
-
setparam( 自我,\ *,numTopFeatures = 50,featuresCol = "特性",outputCol =沒有,labelCol = "標簽",selectorType = " numTopFeatures ",百分位= 0.1,玻璃鋼= 0.05,羅斯福= 0.05,fwe = 0.05 ) ¶ -
為這個ChiSqSelector設置參數。
-
setSelectorType( 價值:str )→P¶ -
設置的值
selectorType。
-
寫( )→pyspark.ml.util.JavaMLWriter¶ -
返回一個MLWriter實例毫升實例。
屬性的文檔
-
羅斯福=參數(父母=‘定義’,name =“羅斯福”,醫生=預期的錯誤發現率的上界。”) ¶
-
featuresCol=參數(父母=‘定義’,name = ' featuresCol ', doc =功能列名稱。) ¶
-
玻璃鋼=參數(父母=‘定義’,name =“玻璃鋼”,醫生=的假定值最高的特性。”) ¶
-
fwe=參數(父母=‘定義’,name = ' fwe ', doc =預期family-wise錯誤率的上限。”) ¶
-
labelCol=參數(父母=‘定義’,name = ' labelCol ', doc =“標簽列名。”) ¶
-
numTopFeatures=參數(父母=‘定義’,name = ' numTopFeatures ', doc = '的功能選擇器將選擇,下令升序假定值。如果功能的數量< numTopFeatures,那麼這將選擇所有功能。”) ¶
-
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。
-
百分位=參數(父母=‘定義’,name =“百分比”,醫生=“百分位的功能選擇器將選擇,提升下令假定值。) ¶
-
selectorType=參數(父母=‘定義’,name = ' selectorType ', doc = '選擇器類型。支持選擇:numTopFeatures(默認),百分位,玻璃鋼,羅斯福,fwe。”) ¶