Java 类名:com.alibaba.alink.operator.batch.feature.HashCrossFeatureBatchOp
Python 类名:HashCrossFeatureBatchOp

功能介绍

将选定的离散列组合成单列的向量类型的数据。

算法原理

将选定列的数据的字符串形式以逗号为分隔符拼接起来,然后使用 murmur3_32 函数得到哈希值,并将哈希值通过平移的方式转换至
[0, 特征数)之间。

使用方式

使用需要设置选取列的列名(selectCols)和输出列名(outputCol),特征数通过参数 numFeatures 设置,特征数也是
输出列中向量的长度。

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
outputCol 输出结果列列名 输出结果列列名,必选 String
selectedCols 选择的列名 计算列对应的列名列表 String[]
numFeatures 向量维度 生成向量长度 Integer 262144
reservedCols 算法保留列名 算法保留列 String[] null

代码示例

Python 代码

  1. from pyalink.alink import *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. df = pd.DataFrame([
  5. ["1.0", "1.0", 1.0, 1],
  6. ["1.0", "1.0", 0.0, 1],
  7. ["1.0", "0.0", 1.0, 1],
  8. ["1.0", "0.0", 1.0, 1],
  9. ["2.0", "3.0", None, 0],
  10. ["2.0", "3.0", 1.0, 0],
  11. ["0.0", "1.0", 2.0, 0],
  12. ["0.0", "1.0", 1.0, 0]])
  13. data = BatchOperator.fromDataframe(df, schemaStr="f0 string, f1 string, f2 double, label bigint")
  14. cross = HashCrossFeatureBatchOp().setSelectedCols(['f0', 'f1', 'f2']).setOutputCol('cross').setNumFeatures(4)
  15. print(cross.linkFrom(data))

Java 代码

  1. import org.apache.flink.types.Row;
  2. import com.alibaba.alink.operator.batch.BatchOperator;
  3. import com.alibaba.alink.operator.batch.feature.HashCrossFeatureBatchOp;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import org.junit.Test;
  6. import java.util.Arrays;
  7. import java.util.List;
  8. public class HashCrossFeatureBatchOpTest {
  9. @Test
  10. public void testHashCrossFeatureBatchOp() throws Exception {
  11. List <Row> df = Arrays.asList(
  12. Row.of("1.0", "1.0", 1.0, 1),
  13. Row.of("1.0", "1.0", 0.0, 1),
  14. Row.of("1.0", "0.0", 1.0, 1),
  15. Row.of("1.0", "0.0", 1.0, 1),
  16. Row.of("2.0", "3.0", null, 0),
  17. Row.of("2.0", "3.0", 1.0, 0),
  18. Row.of("0.0", "1.0", 2.0, 0)
  19. );
  20. BatchOperator <?> data = new MemSourceBatchOp(df, "f0 string, f1 string, f2 double, label bigint");
  21. BatchOperator <?> cross = new HashCrossFeatureBatchOp().setSelectedCols("f0", "f1", "f2").setOutputCol("cross")
  22. .setNumFeatures(4);
  23. System.out.print(cross.linkFrom(data));
  24. }
  25. }

运行结果

| f0 | f1 | f2 | label | cross | | —- | —- | —- | —- | —- |

| 1.0 | 1.0 | 0.0000 | 1 | $36$33:1.0 |

| 1.0 | 1.0 | 1.0000 | 1 | $36$15:1.0 |

| 1.0 | 0.0 | 1.0000 | 1 | $36$33:1.0 |

| 1.0 | 0.0 | 1.0000 | 1 | $36$33:1.0 |

| 2.0 | 3.0 | 1.0000 | 0 | $36$20:1.0 |

| 2.0 | 3.0 | None | 0 | |

| 0.0 | 1.0 | 1.0000 | 0 | $36$28:1.0 |

| 0.0 | 1.0 | 2.0000 | 0 | $36$33:1.0 |