特征抽取--标签与索引的转化: VectorIndexer

之前介绍的StringIndexer是针对单个类别型特征进行转换,倘若所有特征都已经被组织在一个向量中

,又想对其中某些单个分量进行处理时,Spark ML提供了VectorIndexer类来解决向量数据集中的类别

性特征转换。通过为其提供maxCategories超参数,它可以自动识别哪些特征是类别型的,并且将原始

值转换为类别索引。它基于不同特征值的数量来识别哪些特征需要被类别化,那些取值可能性最多不超

过maxCategories的特征需要会被认为是类别型的。在下面的例子中,我们读入一个数据集,然后使用

VectorIndexer训练出模型,来决定哪些特征需要被作为类别特征,将类别特征转换为索引,这里设置

maxCategories为10,即只有种类小10的特征才被认为是类别型特征,否则被认为是连续型特征:

#导入相关的类库

from pyspark.ml.feature import VectorIndexer

from pyspark.sql import SparkSession

#创建SparkSession对象,配置spark

spark = SparkSession.builder.master('local').appName('VectorIndexerDemo').getOrCreate()

#读入数据集

data = spark.read.format('libsvm').load('file:///usr/local/spark/data/mllib/sample_libsvm_data.txt')

#创建VectorIndexer对象,

indexer = VectorIndexer(inputCol='features', outputCol='indexed',maxCategories=10)

#生成训练模型,训练数据

indexerModel = indexer.fit(data)

categoricalFeatures = indexerModel.categoryMaps

indexerData = indexerModel.transform(data)

indexerData.show()

 

转载于:https://www.cnblogs.com/SoftwareBuilding/p/9492326.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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