Spark MLlib(四) feature extractors

extraction: features from raw data

transformation: scaling, converting or modifying features

selection: selecting a subset from features

locality sensitive hashing: combining feature transformation with other algorithms


feature extractors:

tf-idf

1 tf-idf term frequency-inverse document frequency

单词, 文本, 文库

tf是一个文本中单词出现的次数, df是文库中存在某单词的文本数量

idf是衡量单词价值信息(能够提供多少有用信息)的数值度量

tf-idf = tf * idf

2 HashingTF和CountVectorizer都可以用来生成tf矢量


word2vec

1 接受文档的单词序列,训练出word2vecmodel,word2vec是一个estimator

2 model将单词映射为unique fixed-size vector


countvectorizer

countvectorizer and countvectorizermodel旨在将文本文档集合转为token counts的矢量


featurehasher

将特征投射到特定维度的特征矢量



  • 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