Spark MLlib特征处理:Binarizer 二值化---原理及实战

原理

连续特征根据阈值二值化,大于阈值的为1.0,小于等于阈值的为0.0。

代码实战

代码块语法遵循标准markdown代码,例如:

import org.apache.spark.ml.feature.Binarizer
import org.apache.spark.sql.{DataFrame, SQLContext}
import org.apache.spark.{SparkContext, SparkConf}

object BinarizerExample {
  def main(args: Array[String]) {
    val conf = new SparkConf().setAppName("BinarizerExample").setMaster("local[8]")
    val sc = new SparkContext(conf)
    val sqlContext = new SQLContext(sc)
    val data: Array[(Int, Double)] = Array((0, 0.1), (1, 0.8), (2, 0.2))
    //将Array转换成DataFrame
    val dataFrame: DataFrame = sqlContext.createDataFrame(data).toDF("label", "feature")
     //Threshold阈值
    val binarizer: Binarizer = new Binarizer().setInputCol("feature").setOutputCol("binarized_feature").setThreshold(0.5)   
    // transform 开始转换,将该列数据二值化,大于阈值的为1.0,否则为0.0
    // spark源码:udf { in: Double => if (in > td) 1.0 else 0.0 }
    val binarizedDataFrame = binarizer.transform(dataFrame)
    val binarizedFeatures = binarizedDataFrame.select("label", "feature","binarized_feature")
    binarizedFeatures.show()
    sc.stop()
  }
}

//输出
//+-----+-------+-----------------+
//|label|feature|binarized_feature|
//+-----+-------+-----------------+
//|    0|    0.1|              0.0|
//|    1|    0.8|              1.0|
//|    2|    0.2|              0.0|
//+-----+-------+-----------------+
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值