Java 类名：com.alibaba.alink.operator.batch.classification.KnnPredictBatchOp
Python 类名：KnnPredictBatchOp

功能介绍

KNN (K Nearest Neighbor）是一种分类算法。
KNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别;
则该样本也属于这个类别，并具有这个类别上样本的特性。
相比于Huge版KNN，此KNN的优势在于训练数据（即KNN中的字典表）较小时，速度较快。
此外，KNN的训练与一般机器学习模型的训练过程不同：在KNN训练中我们只进行一些字典表的预处理，而在预测过程中才会进行计算预测每个数据点的类别。
因此，KNN的训练和预测通常同时使用，一般不单独使用。

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 | | —- | —- | —- | —- | —- | —- | —- |

| predictionCol | 预测结果列名 | 预测结果列名 | String | ✓ | | |

| k | topK | topK | Integer | | | 10 |

| modelFilePath | 模型的文件路径 | 模型的文件路径 | String | | | null |

| predictionDetailCol | 预测详细信息列名 | 预测详细信息列名 | String | | | |

| reservedCols | 算法保留列名 | 算法保留列 | String[] | | | null |

| vectorCol | 向量列名 | 向量列对应的列名，默认值是null | String | | 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR] | null |

| numThreads | 组件多线程线程个数 | 组件多线程线程个数 | Integer | | | 1 |

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.     [1, 0, 0],
  9.     [2, 8, 8],
  10.     [1, 1, 2],
  11.     [2, 9, 10],
  12.     [1, 3, 1],
  13.     [2, 10, 7]
  14. ])
  16. dataSourceOp = BatchOperator.fromDataframe(df, schemaStr="label int, f0 int, f1 int")
  17. trainOp = KnnTrainBatchOp().setFeatureCols(["f0", "f1"]).setLabelCol("label").setDistanceType("EUCLIDEAN").linkFrom(dataSourceOp)
  18. predictOp = KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp, dataSourceOp)
  19. predictOp.print()

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.classification.KnnPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.classification.KnnTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import org.junit.Test;
  9. import java.util.Arrays;
  10. import java.util.List;
  12. public class KnnPredictBatchOpTest {
  13.     @Test
  14.     public void testKnnPredictBatchOp() throws Exception {
  15.         List <Row> df = Arrays.asList(
  16.             Row.of(1, 0, 0),
  17.             Row.of(2, 8, 8),
  18.             Row.of(1, 1, 2),
  19.             Row.of(2, 9, 10),
  20.             Row.of(1, 3, 1),
  21.             Row.of(2, 10, 7)
  22.         );
  23.         BatchOperator <?> dataSourceOp = new MemSourceBatchOp(df, "label int, f0 int, f1 int");
  24.         BatchOperator <?> trainOp = new KnnTrainBatchOp().setFeatureCols("f0", "f1").setLabelCol("label")
  25.             .setDistanceType("EUCLIDEAN").linkFrom(dataSourceOp);
  26.         BatchOperator <?> predictOp = new KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp,
  27.             dataSourceOp);
  28.         predictOp.print();
  29.     }
  30. }

运行结果

| label | f0 | f1 | pred | | —- | —- | —- | —- |

| 1 | 0 | 0 | 1 |

| 2 | 8 | 8 | 2 |

| 1 | 1 | 2 | 1 |

| 2 | 9 | 10 | 2 |

| 1 | 3 | 1 | 1 |

| 2 | 10 | 7 | 2 |