什麼是StringIndexer，VectorIndexer以及如何使用它們？

Dataset<Row> dataFrame = ... ; 
StringIndexerModel labelIndexer = new StringIndexer() 
       .setInputCol("label") 
       .setOutputCol("indexedLabel") 
       .fit(dataFrame); 

VectorIndexerModel featureIndexer = new VectorIndexer() 
       .setInputCol("s") 
       .setOutputCol("indexedFeatures") 
       .setMaxCategories(4) 
       .fit(dataFrame); 
IndexToString labelConverter = new IndexToString() 
       .setInputCol("prediction") 
       .setOutputCol("predictedLabel") 
       .setLabels(labelIndexer.labels());

什麼是StringIndexer，VectorIndexer，IndexToString和它們之間的區別是什麼？我應該如何以及何時使用它們？什麼是StringIndexer，VectorIndexer以及如何使用它們？

來源

2017-05-26 Mostwanted Mani

我知道只有那些二：

StringIndexer和VectorIndexer

StringIndexer：

單個列到索引列轉換（類似於R中的一個因素列）

VectorIndexer：

用於對featuresCol列中的分類預測變量進行索引。請記住featuresCol是由矢量組成的單個列（請參閱featuresCol和labelCol）。每一行都是一個包含每個預測變量值的向量。
如果您有字符串類型預測變量，您首先需要使用StringIndexer對這些列進行索引。 featuresCol包含矢量，矢量不包含字符串值。

看看這裏例如：https://mingchen0919.github.io/learning-apache-spark/StringIndexer-and-VectorIndexer.html

來源

2017-05-26 13:13:24

鏈接已損壞。 –

我發現該頁面被移動到https://github.com/MingChen0919/learning-apache-spark - 一個非常好的資源！ –

字符串索引 - 如果你想要的機器學習算法來識別列分類變量使用它，或者如果想將文本數據轉換爲數字數據保持分類上下文。

e，g將天數（星期一，星期二...）轉換爲數字表示。

向量索引器 - 如果我們不知道數據傳入的類型，使用這個。所以我們使用Vector Indexer將區分分類數據和非分類數據的邏輯分離爲算法。

e，g - 來自第三方API的數據，其中隱藏數據並直接攝入訓練模型。

索引器到字符串 - 正好與字符串索引器相反，如果使用字符串索引器對最終輸出列進行索引，現在我們要將其數字表示轉換回文本，以便更好地理解結果。

來源

2017-11-20 16:11:40

什麼是StringIndexer，VectorIndexer以及如何使用它們？

回答

相關問題