什么是特征以及如何在 RFormula 中解释

Question

我试图了解 RFormula 在 MLflow 或 spark 中是什么。

我找到了这些：

https://george-jen.gitbook.io/data-science-and-apache-spark/rformula https://spark.apache.org/docs/latest/api/python/reference/api/pyspark.ml.feature.RFormula.html

但仍然无法理解如何完全解释 RFormula。我不知道如何解释下表

基于公式“y ~ x+ s”，y与x和s有关，但在表格中y=0且x=0且s=a时（即第三行），则特征为[0 ,1] 且 label 为 0，我该如何解释呢。

我找到了this，但仍然无法理解我解决这个问题的方法。

Answer 1

所以你的标签是 y。你用 rformula 解析 x 和 s。

x 保持不变：

+-----------+---+
|      x    | x |
+-----------+---+
|     1.0   |1.0|
|     2.0   |2.0|
|     0.0   |0.0|
+-----------+---+

s:

+-----------+---+
|       s   | s |
+-----------+---+
|       a   |1.0|
|       b   |0.0|
|       a   |1.0|
+-----------+---+

我希望我能回答你的问题。 Rformula 只是对字符串进行转换、标准化并解析成向量。