Java 类名：com.alibaba.alink.operator.batch.clustering.GeoKMeansTrainBatchOp
Python 类名：GeoKMeansTrainBatchOp

功能介绍

KMeans 是一个经典的聚类算法。
基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
本组件主要针对经纬度距离做Kmeans聚类，包括经纬度KMeans，经纬度KMeans预测, 经纬度KMeans流式预测。

经纬度距离（https://en.wikipedia.org/wiki/Haversine_formula)

经纬度K均值聚类训练 (GeoKMeansTrainBatchOp) - 图1经纬度K均值聚类训练 (GeoKMeansTrainBatchOp) - 图2输入数据中的经度和纬度使用度数表示，得到的距离单位为千米(km)。

参数说明

| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- |

| latitudeCol | 经度列名 | 经度列名 | String | ✓ | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | |

| longitudeCol | 纬度列名 | 纬度列名 | String | ✓ | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | |

| epsilon | 收敛阈值 | 当两轮迭代的中心点距离小于epsilon时，算法收敛。 | Double | | | 1.0E-4 |

| initMode | 中心点初始化方法 | 初始化中心点的方法，支持”K_MEANS_PARALLEL”和”RANDOM” | String | | “RANDOM”, “K_MEANS_PARALLEL” | “RANDOM” |

| initSteps | k-means++初始化迭代步数 | k-means初始化中心点时迭代的步数 | Integer | | | 2 |

| k | 聚类中心点数量 | 聚类中心点数量 | Integer | | | 2 |

| maxIter | 最大迭代步数 | 最大迭代步数，默认为 50。 | Integer | | | 50 |

| randomSeed | 随机数种子 | 随机数种子 | Integer | | | 0 |

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     [0, 0],
  9.     [8, 8],
  10.     [1, 2],
  11.     [9, 10],
  12.     [3, 1],
  13.     [10, 7]
  14. ])
  16. inOp1 = BatchOperator.fromDataframe(df, schemaStr='f0 long, f1 long')
  17. inOp2 = StreamOperator.fromDataframe(df, schemaStr='f0 long, f1 long')
  19. kmeans = GeoKMeansTrainBatchOp()\
  20.                 .setLongitudeCol("f0")\
  21.                 .setLatitudeCol("f1")\
  22.                 .setK(2)\
  23.                 .linkFrom(inOp1)
  24. kmeans.print()
  26. predict = GeoKMeansPredictBatchOp()\
  27.                 .setPredictionCol("pred")\
  28.                 .linkFrom(kmeans, inOp1)
  29. predict.print()
  31. predict = GeoKMeansPredictStreamOp(kmeans)\
  32.                 .setPredictionCol("pred")\
  33.                 .linkFrom(inOp2)
  34. predict.print()
  35. StreamOperator.execute()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.clustering.KMeans4LongiLatitudePredictBatchOp;
  5. import com.alibaba.alink.operator.batch.clustering.KMeans4LongiLatitudeTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import com.alibaba.alink.operator.stream.StreamOperator;
  8. import com.alibaba.alink.operator.stream.clustering.KMeans4LongiLatitudePredictStreamOp;
  9. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  10. import org.junit.Test;
  12. import java.util.Arrays;
  13. import java.util.List;
  15. public class GeoKMeansTrainBatchOpTest {
  16.     @Test
  17.     public void testGeoKMeansTrainBatchOp() throws Exception {
  18.         List <Row> df = Arrays.asList(
  19.             Row.of(0, 0),
  20.             Row.of(8, 8),
  21.             Row.of(1, 2),
  22.             Row.of(9, 10),
  23.             Row.of(3, 1),
  24.             Row.of(10, 7)
  25.         );
  26.         BatchOperator <?> inOp1 = new MemSourceBatchOp(df, "f0 int, f1 int");
  27.         StreamOperator <?> inOp2 = new MemSourceStreamOp(df, "f0 int, f1 int");
  28.         BatchOperator <?> kmeans = new GeoKMeansTrainBatchOp()
  29.             .setLongitudeCol("f0")
  30.             .setLatitudeCol("f1")
  31.             .setK(2)
  32.             .linkFrom(inOp1);
  33.         kmeans.print();
  34.         BatchOperator <?> result = new GeoKMeansPredictBatchOp()
  35.             .setPredictionCol("pred")
  36.             .linkFrom(kmeans, inOp1);
  37.         result.print();
  38.         StreamOperator <?> predict = new GeoKMeansPredictStreamOp(kmeans)
  39.             .setPredictionCol("pred")
  40.             .linkFrom(inOp2);
  41.         predict.print();
  42.         StreamOperator.execute();
  43.     }
  44. }

运行结果

模型数据

| model_id | model_info | | —- | —- |

| 0 | {“vectorCol”:null,”latitudeCol”:””f1””,”longitudeCol”:””f0””,”distanceType”:””HAVERSINE””,”k”:”2”,”vectorSize”:”2”} |

| 1048576 | {“clusterId”:0,”weight”:3.0,”center”:”[8.333333333333332, 9.0]”,”vec”:null} |

| 2097152 | {“clusterId”:1,”weight”:3.0,”center”:”[1.0, 1.3333333333333333]”,”vec”:null} |

预测输出

| f0 | f1 | pred | | —- | —- | —- |

| 0 | 0 | 1 |

| 8 | 8 | 0 |

| 1 | 2 | 1 |

| 9 | 10 | 0 |

| 3 | 1 | 1 |

| 10 | 7 | 0 |