QuantileDiscretizer

獲取一列一列連續特性和輸出與被分類特性。箱子的數量可以設置使用numBuckets參數。桶的數量可能會小於這個值使用,例如,如果有太少的不同值的輸入創造足夠的不同分位數。3.0.0以來,QuantileDiscretizer一次可以映射多個列通過設置inputCols參數。如果兩個的inputCol和inputCols參數設置,就會拋出一個異常。為每一列,指定桶的數量numBucketsArray參數可以設置,或者桶的數量應該是一樣的在列,numBuckets可以設置為一個方便。

筆記

南處理:也要注意QuantileDiscretizer將提高一個錯誤當找到NaN值的數據集,但是用戶也可以選擇保留或刪除NaN值在數據集通過設置handleInvalid參數。如果用戶選擇保留NaN值,它們將被特別處理,放置到自己的水桶,例如,如果使用了4桶,然後non-NaN數據將被放入水桶(0 - 3),但NaN將計算在一個特殊的桶[4]。

算法:本範圍選擇使用一個近似算法(參見文檔approxQuantile ()詳細描述)。近似的精度可以控製relativeError參數。上下本界限∞和+∞,覆蓋所有真實值。

例子

> > >值=((0.1),(0.4),(1.2),(1.5),(浮動(“南”),),(浮動(“南”),)> > >df1=火花。createDataFrame(值,(“價值觀”])> > >qds1=QuantileDiscretizer(inputCol=“價值觀”,outputCol=“桶”)> > >qds1。setNumBuckets(2)QuantileDiscretizer……> > >qds1。setRelativeError(0.01)QuantileDiscretizer……> > >qds1。setHandleInvalid(“錯誤”)QuantileDiscretizer……> > >qds1。getRelativeError()0.01> > >bucketizer=qds1。適合(df1)> > >qds1。setHandleInvalid(“保持”)。適合(df1)。變換(df1)。數()6> > >qds1。setHandleInvalid(“跳過”)。適合(df1)。變換(df1)。數()4> > >分裂=bucketizer。getSplits()> > >分裂(0]負> > >打印(”% 2.1度”%輪(分裂(1),1))0.4> > >桶=bucketizer。變換(df1)。頭()> > >桶。桶0.0> > >quantileDiscretizerPath=temp_path+“/ quantile-discretizer”> > >qds1。保存(quantileDiscretizerPath)> > >loadedQds=QuantileDiscretizer。負載(quantileDiscretizerPath)> > >loadedQds。getNumBuckets()= =qds1。getNumBuckets()真正的> > >輸入=((0.1,0.0),(0.4,1.0),(1.2,1.3),(1.5,1.5),…(浮動(“南”),浮動(“南”)),(浮動(“南”),浮動(“南”)))> > >df2=火花。createDataFrame(輸入,(“input1”,“input2”])> > >qds2=QuantileDiscretizer(relativeError=0.01,handleInvalid=“錯誤”,numBuckets=2,…inputCols=(“input1”,“input2”),outputCols=(“output1”,“output2”])> > >qds2。getRelativeError()0.01> > >qds2。setHandleInvalid(“保持”)。適合(df2)。變換(df2)。顯示()+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +| input1 | input2 | output1 | output2 |+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +| 0.1 | 0.0 | 0.0 | 0.0 || 0.4 | 1.0 | 1.0 | 1.0 || 1.2 | 1.3 | 1.0 | 1.0 || 1.5 | 1.5 | 1.0 | 1.0 || |南南| 2.0 | 2.0 || |南南| 2.0 | 2.0 |+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +…> > >qds3=QuantileDiscretizer(relativeError=0.01,handleInvalid=“錯誤”,…numBucketsArray=(5,10),inputCols=(“input1”,“input2”),…outputCols=(“output1”,“output2”])> > >qds3。setHandleInvalid(“跳過”)。適合(df2)。變換(df2)。顯示()+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +| input1 | input2 | output1 | output2 |+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +| 0.1 | 0.0 | 1.0 | 1.0 || 0.4 | 1.0 | 2.0 | 2.0 || 1.2 | 1.3 | 3.0 | 3.0 || 1.5 | 1.5 | 4.0 | 4.0 |+ - - - - - - - - - - - - + - - - - - - - - - - - - - - +…

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。
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。
getNumBuckets()	得到的價值numBuckets或其默認值。
getNumBucketsArray()	得到的價值numBucketsArray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。
getRelativeError()	得到的價值relativeError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。
setHandleInvalid(值)	設置的值handleInvalid。
setInputCol(值)	設置的值inputCol。
setInputCols(值)	設置的值inputCols。
setNumBuckets(值)	設置的值numBuckets。
setNumBucketsArray(值)	設置的值numBucketsArray。
setOutputCol(值)	設置的值outputCol。
setOutputCols(值)	設置的值outputCols。
setparam(自我,\ [,inputCol numBuckets…))	QuantileDiscretizer設置參數
setRelativeError(值)	設置的值relativeError。
寫()	返回一個MLWriter實例毫升實例。

屬性

handleInvalid
inputCol
inputCols
numBuckets
numBucketsArray
outputCol
outputCols
參數個數	返回所有參數命令的名字。
relativeError

方法的文檔

清晰的 ( 參數:)→沒有

] )→str

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] ]

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。

getHandleInvalid ( )→str

(T]] )→聯盟(任何,T]

getRelativeError ( )→浮動

(任何]] )→bool

(任何]] )→bool

(任何]] )→bool

價值:任何 )→沒有

handleInvalid。

setInputCol ( 價值:str )→inputCol。

setInputCols ( 價值:列表(str] )→inputCols。

setNumBuckets ( 價值:int )→numBuckets。

setNumBucketsArray ( 價值:列表(int] )→numBucketsArray。

setOutputCol ( 價值:str )→outputCol。

setOutputCols ( 價值:列表(str] )→outputCols。

setparam ( 自我,\ *,numBuckets = 2,inputCol =沒有,outputCol =沒有,relativeError = 0.001,handleInvalid = "錯誤",numBucketsArray =沒有,inputCols =沒有,outputCols =沒有 )

relativeError。

寫 ( )→pyspark.ml.util.JavaMLWriter

以前的

PolynomialExpansion

下一個

RobustScaler