• MultiStringIndexer训练
    • 功能介绍
    • 参数说明
    • 脚本示例
      • 脚本代码
      • 脚本运行结果

    MultiStringIndexer训练

    功能介绍

    MultiStringIndexer训练组件的作用是训练一个模型用于将多列字符串映射为整数。

    参数说明

    名称 中文名称 描述 类型 是否必须？ 默认值
    selectedCols 选择的列名 计算列对应的列名列表 String[] ✓
    stringOrderType Token排序方法 Token排序方法 String “random”

    脚本示例

    脚本代码

    1. data = np.array([
    2.     ["football"],
    3.     ["football"],
    4.     ["football"],
    5.     ["basketball"],
    6.     ["basketball"],
    7.     ["tennis"],
    8. ])
    10. df_data = pd.DataFrame({
    11.     "f0": data[:, 0],
    12. })
    14. data = dataframeToOperator(df_data, schemaStr='f0 string', op_type="batch")
    16. stringindexer = MultiStringIndexerTrainBatchOp() \
    17.     .setSelectedCols(["f0"]) \
    18.     .setStringOrderType("frequency_asc")
    20. model = stringindexer.linkFrom(data)
    21. model.print()

    脚本运行结果

    模型表：

    1.    column_index                                              token  token_index
    2. 0            -1  {"selectedCols":"[\"f0\"]","selectedColTypes":...          NaN
    3. 1             0                                             tennis          0.0
    4. 2             0                                         basketball          1.0
    5. 3             0                                           football          2.0