Я прочитал запись Охи из Спарка Docs,Как интерпретировать результаты Спарка OneHotEncoder
Один горячего кодирование отображает столбец индексов метки на столбец двоичных векторов, с не более одной одной стоимостью , Эта кодировка позволяет алгоритмам, которые ожидают непрерывные функции, такие как логистическая регрессия, использовать категориальные функции.
но, к сожалению, они не дают полного объяснения результатов OHE. Так запускал данный код:
from pyspark.ml.feature import OneHotEncoder, StringIndexer
df = sqlContext.createDataFrame([
(0, "a"),
(1, "b"),
(2, "c"),
(3, "a"),
(4, "a"),
(5, "c")
], ["id", "category"])
stringIndexer = StringIndexer(inputCol="category", outputCol="categoryIndex")
model = stringIndexer.fit(df)
indexed = model.transform(df)
encoder = OneHotEncoder(inputCol="categoryIndex", outputCol="categoryVec")
encoded = encoder.transform(indexed)
encoded.show()
И получили результаты:
+---+--------+-------------+-------------+
| id|category|categoryIndex| categoryVec|
+---+--------+-------------+-------------+
| 0| a| 0.0|(2,[0],[1.0])|
| 1| b| 2.0| (2,[],[])|
| 2| c| 1.0|(2,[1],[1.0])|
| 3| a| 0.0|(2,[0],[1.0])|
| 4| a| 0.0|(2,[0],[1.0])|
| 5| c| 1.0|(2,[1],[1.0])|
+---+--------+-------------+-------------+
Как я мог интерпретировать результаты Охи (последний столбец)?