TrainValidationSplit

類 pyspark.ml.tuning。 TrainValidationSplit ( *,估計量:可選(pyspark.ml.base.Estimator]=沒有一個,estimatorParamMaps:可選(列表(ParamMap]]=沒有一個,評估者:可選(pyspark.ml.evaluation.Evaluator]=沒有一個,trainRatio:浮動=0.75,並行性:int=1,collectSubModels:bool=假,種子:可選(int]=沒有一個 )

驗證hyper-parameter調優。隨機將輸入數據集分為訓練和驗證集,並利用評價指標的驗證將選擇最好的模型。類似於CrossValidator,但隻有將設置一次。

例子

> > >從pyspark.ml.classification進口LogisticRegression> > >從pyspark.ml.evaluation進口BinaryClassificationEvaluator> > >從pyspark.ml.linalg進口向量> > >從pyspark.ml.tuning進口TrainValidationSplit,ParamGridBuilder> > >從pyspark.ml.tuning進口TrainValidationSplitModel> > >進口tempfile> > >數據集=火花。createDataFrame(…((向量。密集的([0.0]),0.0),…(向量。密集的([0.4]),1.0),…(向量。密集的([0.5]),0.0),…(向量。密集的([0.6]),1.0),…(向量。密集的([1.0]),1.0)]*10,…(“特征”,“標簽”])。重新分區(1)> > >lr=LogisticRegression()> > >網格=ParamGridBuilder()。addGrid(lr。麥克斯特,(0,1])。構建()> > >評估者=BinaryClassificationEvaluator()> > >電視=TrainValidationSplit(估計量=lr,estimatorParamMaps=網格,評估者=評估者,…並行性=1,種子=42)> > >tvsModel=電視。適合(數據集)> > >tvsModel。getTrainRatio()0.75> > >tvsModel。validationMetrics[0.5,……> > >路徑=tempfile。mkdtemp()> > >model_path=路徑+“/模式”> > >tvsModel。寫()。保存(model_path)> > >tvsModelRead=TrainValidationSplitModel。讀()。負載(model_path)> > >tvsModelRead。validationMetrics[0.5,……> > >評估者。評估(tvsModel。變換(數據集))0.833……> > >評估者。評估(tvsModelRead。變換(數據集))0.833……

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。
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。
getCollectSubModels()	得到的價值collectSubModels或其默認值。
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。
getOrDefault(參數)	得到參數的值在用戶提供的參數映射或其默認值。
getParallelism()	並行性的價值或其默認值。
getParam(paramName)	通過它的名稱參數。
getSeed()	種子的價值或其默認值。
getTrainRatio()	得到的價值trainRatio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。
setCollectSubModels(值)	設置的值collectSubModels。
setEstimator(值)	設置的值估計量。
setEstimatorParamMaps(值)	設置的值estimatorParamMaps。
setEvaluator(值)	設置的值評估者。
setParallelism(值)	設置的值並行性。
setparam(*(估計量,…))	setparam(自我,*,估計量= None, estimatorParamMaps = None,評估者= None, trainRatio = 0.75,並行性= 1,collectSubModels = False,種子= None):火車集參數驗證。
setSeed(值)	設置的值種子。
setTrainRatio(值)	設置的值trainRatio。
寫()	返回一個MLWriter實例毫升實例。

屬性

collectSubModels
估計量
estimatorParamMaps
評估者
並行性
參數個數	返回所有參數命令的名字。
種子
trainRatio

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 )→TrainValidationSplit

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。

參數

額外的 東西,可選

額外參數複製到新實例

返回

TrainValidationSplit

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。

getCollectSubModels ( )→bool

得到的價值collectSubModels或其默認值。

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。

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。

getParallelism ( )→int

並行性的價值或其默認值。

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。

getTrainRatio ( )→浮動

得到的價值trainRatio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.TrainValidationSplitReader

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。

setCollectSubModels ( 價值:bool )→pyspark.ml.tuning.TrainValidationSplit

設置的值collectSubModels。

setEstimator ( 價值:pyspark.ml.base.Estimator )→pyspark.ml.tuning.TrainValidationSplit

設置的值估計量。

setEstimatorParamMaps ( 價值:列表(ParamMap] )→TrainValidationSplit

設置的值estimatorParamMaps。

setEvaluator ( 價值:pyspark.ml.evaluation.Evaluator )→pyspark.ml.tuning.TrainValidationSplit

設置的值評估者。

setParallelism ( 價值:int )→pyspark.ml.tuning.TrainValidationSplit

設置的值並行性。

setparam ( *,估計量:可選(pyspark.ml.base.Estimator]=沒有一個,estimatorParamMaps:可選(列表(ParamMap]]=沒有一個,評估者:可選(pyspark.ml.evaluation.Evaluator]=沒有一個,trainRatio:浮動=0.75,並行性:int=1,collectSubModels:bool=假,種子:可選(int]=沒有一個 )→TrainValidationSplit

setparam(自我,*,估計量= None, estimatorParamMaps = None,評估者= None, trainRatio = 0.75,並行性= 1,collectSubModels = False,種子= None):火車集參數驗證。

setSeed ( 價值:int )→pyspark.ml.tuning.TrainValidationSplit

設置的值種子。

setTrainRatio ( 價值:浮動 )→pyspark.ml.tuning.TrainValidationSplit

設置的值trainRatio。

寫 ( )→pyspark.ml.util.MLWriter

返回一個MLWriter實例毫升實例。

屬性的文檔

collectSubModels =參數(父母=‘定義’,name = ' collectSubModels ', doc = '參數是否收集列表的子模型訓練期間調優。如果設置為false,那麼隻有最好被擬合後可用。如果設置為真,那麼所有子模型可用。警告:對於大型模型,收集所有子模型可以造成OOMs火花司機。”)

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)

並行性 =參數(父母=‘定義’,name =“並行性”,醫生=數量的線程使用的並行算法運行時(> = 1)。)

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。”)

trainRatio =參數(父母=‘定義’,name = ' trainRatio ',醫生之間的比率= '參數訓練和驗證數據。必須在0和1之間。”)

以前的

CrossValidatorModel

下一個

TrainValidationSplitModel