OneHotEncoder

類 pyspark.ml.feature。 OneHotEncoder ( *,inputCols:可選(列表(str]]=沒有一個,outputCols:可選(列表(str]]=沒有一個,handleInvalid:str=“錯誤”,dropLast:bool=真正的,inputCol:可選(str]=沒有一個,outputCol:可選(str]=沒有一個 )

一個地圖的一個炎熱的編碼器類別索引的列的列二進製向量,每行最多一個一個值,指示輸入類別索引。與5個類別,例如一個輸入值為2.0時將映射到一個輸出向量(0.0,0.0,1.0,0.0)。最後一類是不包括在默認情況下(可配置通過dropLast),因為它使向量條目總結,因此線性相關的。所以4.0地圖的輸入值(0.0,0.0,0.0,0.0)。

當handleInvalid配置為“保持”,添加一個額外的“類別”指示無效值作為最後的類別。所以,當dropLast是真的,編碼為無效值都為零向量。

另請參閱

StringIndexer

定值轉化為分類指標

筆記

這不同於scikit-learn OneHotEncoder,讓所有類別。輸出向量是稀疏的。

當編碼多列使用inputCols和outputCols參數,輸入/輸出關口都是成對的,順序指定的數組,每一對獨立處理。

例子

> > >從pyspark.ml.linalg進口向量> > >df=火花。createDataFrame(((0.0),(1.0),(2.0),(“輸入”])> > >鹹寧=OneHotEncoder()> > >鹹寧。setInputCols([“輸入”])OneHotEncoder……> > >鹹寧。setOutputCols([“輸出”])OneHotEncoder……> > >模型=鹹寧。適合(df)> > >模型。setOutputCols([“輸出”])OneHotEncoderModel……> > >模型。getHandleInvalid()“錯誤”> > >模型。變換(df)。頭()。輸出SparseVector ({0: 1.0})> > >single_col_ohe=OneHotEncoder(inputCol=“輸入”,outputCol=“輸出”)> > >single_col_model=single_col_ohe。適合(df)> > >single_col_model。變換(df)。頭()。輸出SparseVector ({0: 1.0})> > >ohePath=temp_path+“/鹹寧”> > >鹹寧。保存(ohePath)> > >loadedOHE=OneHotEncoder。負載(ohePath)> > >loadedOHE。getInputCols()= =鹹寧。getInputCols()真正的> > >modelPath=temp_path+“/ ohe-model”> > >模型。保存(modelPath)> > >loadedModel=OneHotEncoderModel。負載(modelPath)> > >loadedModel。categorySizes= =模型。categorySizes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。
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。
getDropLast()	得到的價值dropLast或其默認值。
getHandleInvalid()	得到的價值handleInvalid或其默認值。
getInputCol()	得到的價值inputCol或其默認值。
getInputCols()	得到的價值inputCols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。
getOutputCols()	得到的價值outputCols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。
setDropLast(值)	設置的值dropLast。
setHandleInvalid(值)	設置的值handleInvalid。
setInputCol(值)	設置的值inputCol。
setInputCols(值)	設置的值inputCols。
setOutputCol(值)	設置的值outputCol。
setOutputCols(值)	設置的值outputCols。
setparam(自我,\ [,outputCols inputCols…))	為這個OneHotEncoder設置參數。
寫()	返回一個MLWriter實例毫升實例。

屬性

dropLast
handleInvalid
inputCol
inputCols
outputCol
outputCols
參數個數	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。複製和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。

getDropLast ( )→bool

得到的價值dropLast或其默認值。

getHandleInvalid ( )→str

得到的價值handleInvalid或其默認值。

getInputCol ( )→str

得到的價值inputCol或其默認值。

getInputCols ( )→列表(str]

得到的價值inputCols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。

getOutputCols ( )→列表(str]

得到的價值outputCols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。

setDropLast ( 價值:bool )→pyspark.ml.feature.OneHotEncoder

設置的值dropLast。

setHandleInvalid ( 價值:str )→pyspark.ml.feature.OneHotEncoder

設置的值handleInvalid。

setInputCol ( 價值:str )→pyspark.ml.feature.OneHotEncoder

設置的值inputCol。

setInputCols ( 價值:列表(str] )→pyspark.ml.feature.OneHotEncoder

設置的值inputCols。

setOutputCol ( 價值:str )→pyspark.ml.feature.OneHotEncoder

設置的值outputCol。

setOutputCols ( 價值:列表(str] )→pyspark.ml.feature.OneHotEncoder

設置的值outputCols。

setparam ( 自我,\ *,inputCols =沒有,outputCols =沒有,handleInvalid = "錯誤",dropLast = True,inputCol =沒有,outputCol =沒有 )

為這個OneHotEncoder設置參數。

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

dropLast =參數(父母=‘定義’,name = ' dropLast ', doc =是否放棄過去的類別)

handleInvalid =參數(父母=‘定義’,name = ' handleInvalid ', doc = "期間如何處理無效數據變換()。選擇“繼續”(無效的數據作為一個額外的分類特性)或錯誤(拋出一個錯誤)。注意,這個參數是隻用在變換;在擬合,無效的數據將導致一個錯誤。”)

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

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

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

outputCols =參數(父母=‘定義’,name = ' outputCols ', 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

標準化者

下一個

OneHotEncoderModel