RFormula

類 pyspark.ml.feature。 RFormula ( *,公式:可選(str]=沒有一個,featuresCol:str=“特性”,labelCol:str=“標簽”,forceIndexLabel:bool=假,stringIndexerOrderType:str=“frequencyDesc”,handleInvalid:str=“錯誤” )

實現所需的變換擬合數據集對R模型公式。目前我們支持的有限子集R運營商,包括‘~’,”。”、“:”、“+”、“-”、“*”,和“^”。

筆記

也看到了R公式文檔。

例子

> > >df=火花。createDataFrame([…(1.0,1.0,“一個”),…(0.0,2.0,“b”),…(0.0,0.0,“一個”)…),(“y”,“x”,“s”])> > >射頻=RFormula(公式=“x y ~ + s”)> > >模型=射頻。適合(df)> > >模型。getLabelCol()“標簽”> > >模型。變換(df)。顯示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +x y | | | | | |特性標簽+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +| 1.0 | 1.0 | | [1.0,1.0]| 1.0 || | 0.0 | 2.0 | b [2.0, 0.0] | 0.0 || 0.0 | 0.0 | | [0.0,1.0]| 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >射頻。適合(df,{射頻。公式:“y ~。年代”})。變換(df)。顯示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +x y | | | | | |特性標簽+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +(1.0)| 1.0 | 1.0 | | | 1.0 |b | | 0.0 | 2.0 | 2.0 | 0.0 |(0.0)| 0.0 | 0.0 | | | 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - +…> > >rFormulaPath=temp_path+“/ rFormula”> > >射頻。保存(rFormulaPath)> > >loadedRF=RFormula。負載(rFormulaPath)> > >loadedRF。getFormula()= =射頻。getFormula()真正的> > >loadedRF。getFeaturesCol()= =射頻。getFeaturesCol()真正的> > >loadedRF。getLabelCol()= =射頻。getLabelCol()真正的> > >loadedRF。getHandleInvalid()= =射頻。getHandleInvalid()真正的> > >str(loadedRF)“RFormula x (y ~ + s) (uid =…)> > >modelPath=temp_path+“/ rFormulaModel”> > >模型。保存(modelPath)> > >loadedModel=RFormulaModel。負載(modelPath)> > >loadedModel。uid= =模型。uid真正的> > >loadedModel。變換(df)。顯示()+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +x y | | | | | |特性標簽+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +| 1.0 | 1.0 | | [1.0,1.0]| 1.0 || | 0.0 | 2.0 | b [2.0, 0.0] | 0.0 || 0.0 | 0.0 | | [0.0,1.0]| 0.0 |+ - - - + - - - + - - - + - - - - - - - - - - - - - - - - - - +…> > >str(loadedModel)RFormulaModel (ResolvedRFormula(標簽= y = x,年代,hasIntercept = true)) (uid =…)

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。
getFeaturesCol()	得到的價值featuresCol或其默認值。
getForceIndexLabel()	獲得的價值forceIndexLabel。
getFormula()	獲得的價值公式。
getHandleInvalid()	得到的價值handleInvalid或其默認值。
getLabelCol()	得到的價值labelCol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。
getStringIndexerOrderType()	獲得的價值stringIndexerOrderType或其默認值“frequencyDesc”。
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。
setFeaturesCol(值)	設置的值featuresCol。
setForceIndexLabel(值)	設置的值forceIndexLabel。
setFormula(值)	設置的值公式。
setHandleInvalid(值)	設置的值handleInvalid。
setLabelCol(值)	設置的值labelCol。
setparam(自我,\[公式,featuresCol…))	RFormula設置參數。
setStringIndexerOrderType(值)	設置的值stringIndexerOrderType。
寫()	返回一個MLWriter實例毫升實例。

屬性

featuresCol
forceIndexLabel
公式
handleInvalid
labelCol
參數個數	返回所有參數命令的名字。
stringIndexerOrderType

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。

getFeaturesCol ( )→str

得到的價值featuresCol或其默認值。

getForceIndexLabel ( )→bool

獲得的價值forceIndexLabel。

getFormula ( )→str

獲得的價值公式。

getHandleInvalid ( )→str

得到的價值handleInvalid或其默認值。

getLabelCol ( )→str

得到的價值labelCol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。

getStringIndexerOrderType ( )→str

獲得的價值stringIndexerOrderType或其默認值“frequencyDesc”。

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 )→pyspark.ml.feature.RFormula

設置的值featuresCol。

setForceIndexLabel ( 價值:bool )→pyspark.ml.feature.RFormula

設置的值forceIndexLabel。

setFormula ( 價值:str )→pyspark.ml.feature.RFormula

設置的值公式。

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

設置的值handleInvalid。

setLabelCol ( 價值:str )→pyspark.ml.feature.RFormula

設置的值labelCol。

setparam ( 自我,\ *,公式=沒有,featuresCol = "特性",labelCol = "標簽",forceIndexLabel = False,stringIndexerOrderType = " frequencyDesc ",handleInvalid = "錯誤" )

RFormula設置參數。

setStringIndexerOrderType ( 價值:str )→pyspark.ml.feature.RFormula

設置的值stringIndexerOrderType。

寫 ( )→pyspark.ml.util.JavaMLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

featuresCol =參數(父母=‘定義’,name = ' featuresCol ', doc =功能列名稱。)

forceIndexLabel =參數(父母=‘定義’,name = ' forceIndexLabel ', doc =“力量指數標簽是否數字或字符串”)

公式 =參數(父母=‘定義’,name = '公式',doc = R模型公式)

handleInvalid =參數(父母=‘定義’,name = ' handleInvalid ', doc = "如何處理無效的條目。選擇“跳過”(過濾掉行無效值),“錯誤”(拋出一個錯誤),或“保持”(把無效的數據放在一個特別的額外的桶,在指數numLabels)。”)

labelCol =參數(父母=‘定義’,name = ' labelCol ', doc =“標簽列名。”)

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。

stringIndexerOrderType =參數(父母=‘定義’,name = ' stringIndexerOrderType ', doc = '如何訂單類別的一係列特性StringIndexer所使用的列。最後一個類別排序後編碼字符串時下降。支持選擇:frequencyDesc、frequencyAsc alphabetDesc alphabetAsc。默認值是frequencyDesc。當命令設置alphabetDesc, RFormula滴同一類別時R編碼字符串。”)

以前的

RegexTokenizer

下一個

RFormulaModel