CrossValidatorModel¶

類 pyspark.ml.tuning。 CrossValidatorModel ( bestModel:pyspark.ml.base.Model,avgMetrics:可選(列表(浮動]]=沒有一個,子:可選(列表(列表(pyspark.ml.base.Model]]]=沒有一個,stdMetrics:可選(列表(浮動]]=沒有一個 ) ¶

CrossValidatorModel包含最高的模型平均跨折交叉驗證指標,並使用該模型將輸入數據。CrossValidatorModel還跟蹤每個參數映射的指標評估。

筆記

從版本3.3.0,CrossValidatorModel包含一個新屬性“stdMetrics”,代表標準差指標每paramMap CrossValidator.estimatorParamMaps。

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和一個隨機生成的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。
`getEstimator`()	得到估計量的價值或其默認值。
`getEstimatorParamMaps`()	得到的價值estimatorParamMaps或其默認值。
`getEvaluator`()	被評估者的價值或其默認值。
`getFoldCol`()	得到的價值foldCol或其默認值。
`getNumFolds`()	得到的價值numFolds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。
`getSeed`()	種子的價值或其默認值。
`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。
`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

`估計量`
`estimatorParamMaps`
`評估者`
`foldCol`
`numFolds`
`參數個數`	返回所有參數命令的名字。
`種子`

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 )→CrossValidatorModel¶

創建這個實例的副本和一個隨機生成的uid和一些額外的參數。這個底層bestModel副本,創建了一個深深的嵌入paramMap副本,副本嵌入式和額外的參數。它沒有額外的參數複製到子。

參數

額外的 東西,可選: 額外參數複製到新實例

返回

CrossValidatorModel: 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

getEstimator ( )→pyspark.ml.base.Estimator¶: 得到估計量的價值或其默認值。

getEstimatorParamMaps ( )→列表(ParamMap] ¶: 得到的價值estimatorParamMaps或其默認值。

getEvaluator ( )→pyspark.ml.evaluation.Evaluator ¶: 被評估者的價值或其默認值。

getFoldCol ( )→str¶: 得到的價值foldCol或其默認值。

getNumFolds ( )→int¶: 得到的價值numFolds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。

getSeed ( )→int¶: 種子的價值或其默認值。

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.tuning.CrossValidatorModelReader¶: 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。

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.MLWriter ¶: 返回一個MLWriter實例毫升實例。

屬性的文檔

估計量 =參數(父母=‘定義’,name =“估計”,醫生= '估計是旨在') ¶

estimatorParamMaps =參數(父母=‘定義’,name = ' estimatorParamMaps ', doc =估計參數地圖) ¶

評估者 =參數(父母=‘定義’,name =評估者,醫生=的評估者用於選擇hyper-parameters驗證器指標的最大化) ¶

foldCol :pyspark.ml.param.Param (str) =參數(父母=‘定義’,name = ' foldCol ', doc = "參數用戶指定的列名褶皺數。一旦被指定,py:類:“CrossValidator”不會隨機k-fold分裂。注意,這列應該是整數類型區間[0,numFolds)和火花將拋出異常超出範圍折疊數字。”) ¶

numFolds :pyspark.ml.param.Param (int) =參數(父母=‘定義’,name = ' numFolds ', doc =折交叉驗證的數量) ¶

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。

種子 =參數(父母=‘定義’,name =“種子”,醫生=“隨機種子。”) ¶

以前的

CrossValidator

下一個

TrainValidationSplit