Python/pyspark : 将 h20 数据帧作为数组传递给 sklearn kneighbors
Python/pyspark : pass h20 dataframe to sklearn kneighbors as array
我有一个 h20 框架，我需要将其传递给 sklearn kneighbors (NearestNeighbors)，如果我没记错的话，“from sklearn.neighbors import NearestNeighbors”只接受数组，我尝试了一行，它正在工作。但是，如何将 who h20 daframe 传递给该函数？我想我可以使用 for 循环，但想知道是否还有其他有效的方法。仅供参考 - 我正在使用 pyspark 进行实施
from sklearn.neighbors import NearestNeighbors
h20_df_mod_output = model_name(input_Dataset)
neigh = NearestNeighbors(n_neighbors=1)
neigh.fit(centroid_values['centroids'])
distance, indices = neigh.kneighbors([h20_df_mod_output[1,:]]) # How can I pass the entire dataset here?
我认为 Scikit-Learn 的算法不接受 H2O 帧。因此，您可以将 H2O 帧转换为 Pandas DataFrames，方法是：
pandas_frame = h2o_frame.as_data_frame()
我有一个 h20 框架，我需要将其传递给 sklearn kneighbors (NearestNeighbors)，如果我没记错的话，“from sklearn.neighbors import NearestNeighbors”只接受数组，我尝试了一行，它正在工作。但是，如何将 who h20 daframe 传递给该函数？我想我可以使用 for 循环，但想知道是否还有其他有效的方法。仅供参考 - 我正在使用 pyspark 进行实施
from sklearn.neighbors import NearestNeighbors
h20_df_mod_output = model_name(input_Dataset)
neigh = NearestNeighbors(n_neighbors=1)
neigh.fit(centroid_values['centroids'])
distance, indices = neigh.kneighbors([h20_df_mod_output[1,:]]) # How can I pass the entire dataset here?
我认为 Scikit-Learn 的算法不接受 H2O 帧。因此，您可以将 H2O 帧转换为 Pandas DataFrames，方法是：
pandas_frame = h2o_frame.as_data_frame()