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

    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
    handleInvalid 未知token处理策略 未知token处理策略。”keep”表示用最大id加1代替, “skip”表示补null， “error”表示抛异常 String “keep”
    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”
    selectedCols 选择的列名 计算列对应的列名列表 String[] ✓
    reservedCols 算法保留列名 算法保留列 String[] null
    outputCols 输出结果列列名数组 输出结果列列名数组，可选，默认null String[] null

    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 = MultiStringIndexer() \
    17.     .setSelectedCols(["f0"]) \
    18.     .setOutputCols(["f0_indexed"]) \
    19.     .setStringOrderType("frequency_asc")
    21. stringindexer.fit(data).transform(data).print()

    脚本运行结果

    模型表：

    1.            f0  f0_indexed
    2. 0    football           2
    3. 1    football           2
    4. 2    football           2
    5. 3  basketball           1
    6. 4  basketball           1
    7. 5      tennis           0