Machine learning 将管道中的矢量化特征标记为原始阵列名称（PySpark）

与此问题非常相似：但使用数组而不是类别值

我正在我的最终模型上运行一个特性重要性测试。这些特性是我使用CountVectorizer编码的阵列（例如，具有“移动”或“桌面”元素的设备）和城市（元素是访问过的城市，例如：伦敦、纽约等）

之后，我运行了一个管道并构建了featureImportances（与此类似：）

最终结果如下：

idx                      name           score

17                device_vector_0  0.483894

693                city_vector_69  0.001882

649               city_vector_25  0.001292

1172             city_vector_548  0.000000

1176             city_vector_552  0.000000

1177             city_vector_553  0.000000

我的问题是，如何将名称（我想是基于数组元素的）映射到数组值（device\u vector\u 0=mobile，city\u vector\u 69=London，…）

已清除的代码：

vector\u list=list（set（['mobile'，'country']））
向量器=[CountVectorizer（inputCol=列，outputCol=列+“\u向量”）。为向量\u列表中的列拟合（df）
管道向量=管道（阶段=向量器）
pipeline=pipeline（）.setStages（[pipeline_向量，汇编程序，rf]）
bestModel=rf_model.bestModel
ExtractFeatureImportance（bestModel.stages[-1]。featureImportances，resultDF，“features”）

请花点时间看看如何正确格式化您的代码块（这次为您完成）；另外，请明确包含您的导入内容（根据您的标记，它是真正的Spark MLlib，还是Spark ML？）。有点太快，它是Spark ML（更改了标记）。我认为问题是关于ConventVectorizer循环的，因为我需要在循环中的某个地方包含get_功能_名称（对于多个输入/输出）。请花一点时间看看如何正确格式化代码块（这次为您完成）；另外，请显式包含您的导入（根据您的标签，它真的是Spark MLlib还是Spark ML？）。速度有点太快了，它是Spark ML（更改了标签）。我认为问题是关于ConventVectorizer循环的，因为我需要在循环中的某个地方包含get_特性_名称（对于多个输入/输出）。