Spark MLlib特征处理:MinMax最大最小值区间缩放---原理及实战
2016-11-13 11:49
417 查看
原理
MLlib中特征值最大最小区间缩放:参数说明:
E_{max}:特征实际最大值
E_{min}: 特征实际最小值
ei:特征值
max:MLlib 默认最大值1.0
min: MLlib 默认最小值0.0
1)当 Emax=Emin
Rescaled(ei)=0.5∗(max+min)
=0.5∗(1.0+0.0)=0.5
2)当Emax≠Emin
Rescaled(ei)=ei−EminEmax−Emin∗(max−min)+min
=ei−EminEmax−Emin
实战
import org.apache.spark.ml.feature.MinMaxScaler import org.apache.spark.sql.SQLContext import org.apache.spark.{SparkContext, SparkConf} object MinMaxExample { def main(args: Array[String]) { val conf = new SparkConf().setAppName("MinMaxScalerExample").setMaster("local[8]") val sc = new SparkContext(conf) val sqlContext = new SQLContext(sc) // 读取libsvm格式的数据 // libsvm数据格式: // 标签 索引位置:值 索引位置:值 ... // 0 2:51 3:253 5:253 // 1 2:124 3:253 4:255 // 1 2:145 3:253 5:211 // 每条数据5的特征,特征索引从0-4 // 方便理解:每条数据表示成DenseVector格式: // 0 1:0 2:51 3:253 4:0 5:253 // 1 1:0 2:124 3:253 4:255 5:0 // 1 1:0 2:145 3:253 4:0 5:211 val dataFrame = sqlContext.read.format("libsvm").load("data/libsvm.txt") val scaler = new MinMaxScaler().setInputCol("features").setOutputCol("scaledFeatures") // fit 每一特征最大最小值 // max:Vector(0,145,253,255,253) // min: Vector(0,51,253,0,0) val scalerModel = scaler.fit(dataFrame) // transform 最大最小区间转换 // 1) 如果该特征值max = min ==> 0.5 // 2) 如果该特征值max != min ==> (values-min)/(max-min) // 3) 返回DenseVector val scaledData = scalerModel.transform(dataFrame) scaledData.foreach(println) sc.stop() // 输出 // [0.0,(5,[1,2,4],[51.0,253.0,253.0]),[0.5,0.0,0.5,0.0,1.0]] // [1.0,(5,[1,2,4],[145.0,253.0,211.0]),[0.5,1.0,0.5,0.0,0.83399209486166]] // [1.0,(5,[1,2,3],[124.0,253.0,255.0]),[0.5,0.776595744680851,0.5,1.0,0.0]] } }
相关文章推荐
- Spark MLlib特征处理:OneHotEncoder OneHot编码 ---原理及实战
- Spark MLlib特征处理:PCA 主成分分析 ---原理及实战
- Spark MLlib特征处理:TF-IDF 词频-逆文频---原理及实战
- Spark MLlib特征处理:均值、方差、协方差 ---原理及实战
- Spark MLlib特征处理:Binarizer 二值化---原理及实战
- Spark MLlib特征处理:SVD 奇异值分解 ---原理及实战
- Spark MLlib特征处理:OneHotEncoder OneHot编码 ---原理及实战
- Spark MLlib特征处理:StringToIndex 字符串索引---原理及实战
- Spark MLlib特征处理:Normalizer 正则化---原理及实战
- Hadoop链式MapReduce、多维排序、倒排索引、自连接算法、二次排序、Join性能优化、处理员工信息Join实战、URL流量分析、TopN及其排序、求平均值和最大最小值、数据清洗ETL、分析气
- 图像处理中的旋转、平移、缩放——仿射变换的原理和优化
- poj--3264Balanced Lineup+ST算法求区间最大最小值
- 线段树区间增加/赋值 求区间和最大值最小值
- Sliding Window(单调队列维护或线段树求区间最大最小值)
- st函数--区间最大最小值
- POJ3264 区间最大最小值
- hdu5289RMQ求区间最大最小值和单调队列维护区间最大最小值
- poj 3264 线段树 求区间最大最小值
- 线段树求解区间最大最小值(模板)
- poj 3264 Balanced Lineup(线段数求区间最大最小值)