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