本文简要介绍
pyspark.mllib.random.RandomRDDs.exponentialVectorRDD
的用法。用法:
static exponentialVectorRDD(sc, mean, numRows, numCols, numPartitions=None, seed=None)
生成由包含 i.i.d 的向量组成的 RDD。从具有输入均值的 index 分布中抽取的样本。
版本 1.3.0 中的新函数。
- sc:SparkContext
SparkContext 用于创建 RDD。
- mean:浮点数
index 分布的平均值或 1 /lambda。
- numRows:int
RDD 中的向量数。
- numCols:int
每个向量中的元素数。
- numPartitions:整数,可选
RDD 中的分区数(默认值:
sc.defaultParallelism
)- seed:整数,可选
随机种子(默认值:随机长整数)。
pyspark.RDD
带有包含 i.i.d 的向量的向量的 RDD。样本〜Exp(平均值)。
参数:
返回:
例子:
>>> import numpy as np >>> mean = 0.5 >>> rdd = RandomRDDs.exponentialVectorRDD(sc, mean, 100, 100, seed=1) >>> mat = np.mat(rdd.collect()) >>> mat.shape (100, 100) >>> abs(mat.mean() - mean) < 0.5 True >>> from math import sqrt >>> abs(mat.std() - sqrt(mean)) < 0.5 True
相关用法
- Python pyspark RandomRDDs.exponentialRDD用法及代码示例
- Python pyspark RandomRDDs.uniformRDD用法及代码示例
- Python pyspark RandomRDDs.gammaRDD用法及代码示例
- Python pyspark RandomRDDs.normalVectorRDD用法及代码示例
- Python pyspark RandomRDDs.uniformVectorRDD用法及代码示例
- Python pyspark RandomRDDs.poissonVectorRDD用法及代码示例
- Python pyspark RandomRDDs.poissonRDD用法及代码示例
- Python pyspark RandomRDDs.gammaVectorRDD用法及代码示例
- Python pyspark RandomRDDs.logNormalVectorRDD用法及代码示例
- Python pyspark RandomRDDs.normalRDD用法及代码示例
- Python pyspark RandomRDDs.logNormalRDD用法及代码示例
- Python pyspark RandomForest.trainRegressor用法及代码示例
- Python pyspark RandomForestRegressor用法及代码示例
- Python pyspark RandomForestClassifier用法及代码示例
- Python pyspark RandomForest.trainClassifier用法及代码示例
- Python pyspark RankingEvaluator用法及代码示例
- Python pyspark RankingMetrics用法及代码示例
- Python pyspark Rating用法及代码示例
- Python pyspark RDD.saveAsTextFile用法及代码示例
- Python pyspark RDD.keyBy用法及代码示例
- Python pyspark RDD.sumApprox用法及代码示例
- Python pyspark RowMatrix.numCols用法及代码示例
- Python pyspark RowMatrix.computePrincipalComponents用法及代码示例
- Python pyspark RDD.lookup用法及代码示例
- Python pyspark RDD.zipWithIndex用法及代码示例
注:本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.mllib.random.RandomRDDs.exponentialVectorRDD。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。