0
私はテキスト分類を行い、パイプラインメソッドを使用してモデルを構築しました。ランダムフォレストクラシファイド - インデックス付きラベルタグを文字列値に戻す
私はデータフレームを使用して作成したトレーニングデータにフィットし、「ラベル」と「文章」という列があります。ラベルには異なる質問タイプがあります。 DFは、パイプラインを作成するためのコード
training = sqlContext.createDataFrame([
("DESC:manner", "How did serfdom develop in and then leave Russia ?"),
("DESC:def", "What does '' extended definition '' mean and how would one a paper on it ? "),
("HUM:ind", " Who was The Pride of the Yankees ?")
], ["label", "sentence"])
、のように見える -
tokenizer = Tokenizer(inputCol="sentence", outputCol="words")
wordsData = tokenizer.transform(training)
hashingTF = HashingTF(inputCol="words", outputCol="rawFeatures", numFeatures=20)
featurizedData = hashingTF.transform(wordsData)
idf = IDF(inputCol="rawFeatures", outputCol="features")
indexer = StringIndexer(inputCol="label", outputCol="idxlabel")
rf = RandomForestClassifier().setFeaturesCol("features").setLabelCol("idxlabel")
pipeline = Pipeline(stages=[tokenizer, hashingTF, idf, indexer, rf])
model = pipeline.fit(training)
と予測するためのコードです -
test = sqlContext.createDataFrame([("What is the highest waterfall in the United States ?" ,)], ["sentence"])
prediction = model.transform(test)
selected = prediction.select("sentence", "prediction")
今、私は、コマンドに「selected.showを与える場合（truncate = False） 'を指定すると、次の形式のデータが表示されます。
+----------------------------------------------------+----------+
|Question |prediction|
+----------------------------------------------------+----------+
|What is the highest waterfall in the United States ?|2.0 |
+----------------------------------------------------+----------+
問題は、予測されたデータをトレーニングデータのようにラベル形式にすることです。しかし、私は倍の形式で値を取得しています。予測値をdoubleからstringに変換するにはどうすればよいですか？