ALINK(二十六):特征工程特征离散化二值化 (BinarizerBatchOp)
Posted 秋华
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了ALINK(二十六):特征工程特征离散化二值化 (BinarizerBatchOp)相关的知识,希望对你有一定的参考价值。
Java 类名:com.alibaba.alink.operator.batch.feature.BinarizerBatchOp
Python 类名:BinarizerBatchOp
功能介绍
给定一个阈值,将连续变量二值化。
参数说明
名称 |
中文名称 |
描述 |
类型 |
是否必须? |
默认值 |
selectedCol |
选中的列名 |
计算列对应的列名 |
String |
✓ |
|
threshold |
二值化阈值 |
二值化阈值 |
Double |
0.0 |
|
outputCol |
输出结果列 |
输出结果列列名,可选,默认null |
String |
null |
|
reservedCols |
算法保留列名 |
算法保留列 |
String[] |
null |
|
numThreads |
组件多线程线程个数 |
组件多线程线程个数 |
Integer |
1 |
代码示例
Python 代码
from pyalink.alink import * import pandas as pd useLocalEnv(1) df = pd.DataFrame([ [1.1, True, "2", "A"], [1.1, False, "2", "B"], [1.1, True, "1", "B"], [2.2, True, "1", "A"] ]) inOp1 = BatchOperator.fromDataframe(df, schemaStr=\'double double, bool boolean, number int, str string\',op_type=\'batch\') inOp2 = StreamOperator.fromDataframe(df, schemaStr=\'double double, bool boolean, number int, str string\',op_type=\'stream\') binarizer = BinarizerBatchOp().setSelectedCol("double").setThreshold(2.0) binarizer.linkFrom(inOp1).print() binarizer = BinarizerStreamOp().setSelectedCol("double").setThreshold(2.0) binarizer.linkFrom(inOp2).print() StreamOperator.execute()
Java 代码
import org.apache.flink.types.Row; import com.alibaba.alink.operator.batch.BatchOperator; import com.alibaba.alink.operator.batch.feature.BinarizerBatchOp; import com.alibaba.alink.operator.batch.source.MemSourceBatchOp; import com.alibaba.alink.operator.stream.StreamOperator; import com.alibaba.alink.operator.stream.feature.BinarizerStreamOp; import com.alibaba.alink.operator.stream.source.MemSourceStreamOp; import org.junit.Test; import java.util.Arrays; import java.util.List; public class BinarizerBatchOpTest { @Test public void testBinarizerBatchOp() throws Exception { List <Row> df = Arrays.asList( Row.of(1.1, true, 2, "A"), Row.of(1.1, false, 2, "B"), Row.of(1.1, true, 1, "B"), Row.of(2.2, true, 1, "A") ); BatchOperator <?> inOp1 = new MemSourceBatchOp(df, "double double, bool boolean, number int, str string"); StreamOperator <?> inOp2 = new MemSourceStreamOp(df, "double double, bool boolean, number int, str string"); BatchOperator <?> binarizer = new BinarizerBatchOp().setSelectedCol("double").setThreshold(2.0); binarizer.linkFrom(inOp1).print(); StreamOperator <?> binarizer2 = new BinarizerStreamOp().setSelectedCol("double").setThreshold(2.0); binarizer2.linkFrom(inOp2).print(); StreamOperator.execute(); } }
运行结果
输出数据
double |
bool |
number |
str |
0.0000 |
true |
2 |
A |
0.0000 |
false |
2 |
B |
0.0000 |
true |
1 |
B |
1.0000 |
true |
1 |
A |
以上是关于ALINK(二十六):特征工程特征离散化二值化 (BinarizerBatchOp)的主要内容,如果未能解决你的问题,请参考以下文章
机器学习实战基础:sklearn中的数据预处理和特征工程 数据预处理 Preprocessing & Impute 之 处理分类特征:处理连续性特征 二值化与分段
机器学习实战基础:sklearn中的数据预处理和特征工程 数据预处理 Preprocessing & Impute 之 处理分类特征:处理连续性特征 二值化与分段