- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在 PySpark 中工作,使用 Spark 2.1 准备我的数据以构建逻辑回归。我的数据中有几个字符串变量,我想将最频繁的类别设置为引用水平。我首先使用 StringIndexer 将字符串列编码为标签索引,我知道这些是按标签频率排序的,最频繁接收索引 0。
stringIndexer = StringIndexer(inputCol='income_grp', outputCol="income_grp_indexed")
model = stringIndexer.fit(df)
indexed = model.transform(df)
+-------------+------------------+
| income_grp|income_grp_indexed|
+-------------+------------------+
|200000_299999| 0.0|
|300000_499999| 1.0|
|100000_199999| 2.0|
|500000_749999| 3.0|
| less_100000| 4.0|
|750000_999999| 5.0|
| ge_1000000| 6.0|
+-------------+------------------+
然后我使用 OneHotEncoder 将标签索引列映射到二进制向量列。但是,我只在 OneHotEncoder 中看到一个选项可以删除最后一个级别,这是最不常见的类别。
encoder = OneHotEncoder(dropLast=True, inputCol="income_grp_indexed", outputCol="income_grp_encoded")
encoded = encoder.transform(indexed)
+-------------+------------------+------------------+
| income_grp|income_grp_indexed|income_grp_encoded|
+-------------+------------------+------------------+
|200000_299999| 0.0| (6,[0],[1.0])|
|300000_499999| 1.0| (6,[1],[1.0])|
|100000_199999| 2.0| (6,[2],[1.0])|
|500000_749999| 3.0| (6,[3],[1.0])|
| less_100000| 4.0| (6,[4],[1.0])|
|750000_999999| 5.0| (6,[5],[1.0])|
| ge_1000000| 6.0| (6,[],[])|
+-------------+------------------+------------------+
如何删除每个字符串变量中出现频率最高的类别?
最佳答案
我知道这是一个老问题,我的回答可能不适用于 Spark 2.1 版,但对于 Spark 3.1.2(这是我使用的版本),StringIndexer 有一个参数 stringOrderType
,可以设置为'frequencyAsc'。如果你这样做,最后一个索引将是频率最高的索引,它将在 OneHotEncoder 处被丢弃。
所以你可以这样做:
stringIndexer = StringIndexer(inputCol='income_grp',
outputCol="income_grp_indexed", stringOrderType='frequencyAsc')
# The rest is the same
encoder = OneHotEncoder(dropLast=True, inputCol="income_grp_indexed", outputCol="income_grp_encoded")
encoded = encoder.transform(indexed)
...
如果我们正在处理 pyspark.ml.regression.GeneralizedLinearRegression
,这是一个可以输出每个系数的统计 p.values 的模型,并且这些 p.values 可以改 rebase 于基层的频率。
关于apache-spark - 如何使用 OneHotEncoder 在 Spark ML 逻辑回归中设置引用水平,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50293717/
当我尝试加载库 Raster 时,我收到如下错误: 错误:inDL(x, as.logic(local), as.logic(now), ...) 中的“raster”的包或命名空间加载失败:无法加载
当我尝试加载库 Raster 时,我收到如下错误: 错误:inDL(x, as.logic(local), as.logic(now), ...) 中的“raster”的包或命名空间加载失败:无法加载
望着help section about_Comparison_Operators of PowerShell我是这样理解的: PS C:\> $false,$false -eq $true PS C
我刚刚修改了旧代码,现在似乎没有任何效果。请您指导我哪里出错了。 一些不起作用的事情是: 以前,焦点始终停留在屏幕上唯一的输入字段上。 (现在不行了),代码中的 if else 条件也不起作用。 On
请帮我找到一个使用普通 'ol javascript 的解决方案(我无法使用外部框架)。此外,CSS :hover 选择器不适用于现实世界的实现。 注册事件发生的事情设置所有调用最后注册事件数组项。
我想创建一个软件来为残障 child 交通规划公交路线(及其最佳载客量)。 这些总线具有以下规范: m 个座位(最多 7 个 - 因为有司机和助理) o 轮椅“座位”(最多 4 个) 固定的最大负载量
有人能帮我吗?似乎我的 for 逻辑根本不起作用,因为它一直在上午 12:00 返回我的开始时间 这是我的代码 Sub forlogic() Dim i As Single Dim t
我正在尝试设置 OR两个切片器过滤器之间的逻辑。两个切片器来自相同的数据集。以下是更多详细信息: 我的源表: 带切片器的视觉效果: 我的目标是,如果我从切片器 1 和切片器 2 中选择任何值,我的视觉
我有以下 C 语句: int res = x & (x ^ y); 有没有办法做同样的事情,但每次只使用一次x和y? 例如: x | (~x & y) == x | y 最佳答案 是的,通过扩展 xo
我正在创建 Azure 逻辑应用程序以将新的 Sharepoint 文件添加到 Azure Blob。 Sharepoint 由我的公司运行,我使用我的凭据登录来为逻辑应用程序创建 Sharepoin
我有一个问题要求为给定函数合成最简单的乘积表达式总和。基本上,如果 AB == CD,则函数为 1,否则为 0,结果如下: (!A && !B && !C && !D) || (!A && B &&
我正在尝试确定是否可以在不溢出的情况下计算两个 32 位整数的总和,同时仅使用某些按位运算符和其他运算符。因此,如果整数 x 和 y 可以相加而不会溢出,则以下代码应返回 1,否则返回 0。 ((((
处理乍一看需要许多嵌套 if 语句的复杂业务逻辑的好方法是什么? 例子: 折扣券。可能: 1a) 超值折扣 1b) 百分比折扣 2a) 正常折扣 2b) 累进折扣 3a) 需要访问优惠券 3b) 不需
假设我有一个“numbers”对象数组,其中包含“startNo”整数和“endNo”整数。 数组中可以有多个“数字”,我想获取一个包含修改对象的新数组,该数组仅具有不重叠的范围。 例如:如果数组有:
我在这个问题上遇到了困难。我正在使用 JavaScript。 我有一个文本区域,用于检测 @ 输入并将其位置存储在数组中。 var input = "@a @b @c" //textarea var
默认 IN 使用 OR 基本逻辑。有没有办法在范围内使用 AND 基本逻辑。 例如下面的查询 SELECT ItemId,CategoryID FROM ItemCategories WHERE Ca
我想在您将鼠标悬停在网站图像上时添加叠加层。我在这里实现了这个,它工作正常http://jsfiddle.net/stujLbjh/ 这是js代码: var divs = document.query
这个问题在这里已经有了答案: Which is faster: x>2 是否比 x>>31 快?换句话说,sar x, 2 是否比 sar x, 31 快?我做了一些简单的测试,他们似乎有相同的速度
我有grails criteriaQuery,我在这里再次检查OR逻辑,就像这样一个状态变量: or { eq("status", Status.ONE) eq("status",
我有grails criteriaQuery,我在这里再次检查OR逻辑,就像这样一个状态变量: or { eq("status", Status.ONE) eq("status",
我是一名优秀的程序员,十分优秀!