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

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。
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。
支持 EUCLIDEAN 和 COSINE 两种距离计算方式。

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

| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |

| distanceType | 距离度量方式 | 聚类使用的距离类型 | String | | “EUCLIDEAN”, “COSINE” | “EUCLIDEAN” |

| featureCols | 特征列名数组 | 特征列名数组,默认全选 | String[] | | | null |

| 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 | | | 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, 0],
  6. [2, 8, 8],
  7. [1, 1, 2],
  8. [2, 9, 10],
  9. [1, 3, 1],
  10. [2, 10, 7]
  11. ])
  12. dataSourceOp = BatchOperator.fromDataframe(df, schemaStr="label int, f0 int, f1 int")
  13. trainOp = KnnTrainBatchOp().setFeatureCols(["f0", "f1"]).setLabelCol("label").setDistanceType("EUCLIDEAN").linkFrom(dataSourceOp)
  14. predictOp = KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp, dataSourceOp)
  15. predictOp.print()
  16. trainOp = KnnTrainBatchOp().setFeatureCols(["f0", "f1"]).setLabelCol("label").setDistanceType("EUCLIDEAN").linkFrom(dataSourceOp)
  17. predictOp = KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp, dataSourceOp)
  18. predictOp.print()

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.classification.KnnPredictBatchOp;
  4. import com.alibaba.alink.operator.batch.classification.KnnTrainBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import org.junit.Test;
  7. import java.util.Arrays;
  8. import java.util.List;
  9. public class KnnTrainBatchOpTest {
  10. @Test
  11. public void testKnnTrainBatchOp() throws Exception {
  12. List <Row> df = Arrays.asList(
  13. Row.of(1, 0, 0),
  14. Row.of(2, 8, 8),
  15. Row.of(1, 1, 2),
  16. Row.of(2, 9, 10),
  17. Row.of(1, 3, 1),
  18. Row.of(2, 10, 7)
  19. );
  20. BatchOperator <?> dataSourceOp = new MemSourceBatchOp(df, "label int, f0 int, f1 int");
  21. BatchOperator <?> trainOp = new KnnTrainBatchOp().setFeatureCols("f0", "f1").setLabelCol("label")
  22. .setDistanceType("EUCLIDEAN").linkFrom(dataSourceOp);
  23. BatchOperator <?> predictOp = new KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp,
  24. dataSourceOp);
  25. predictOp.print();
  26. trainOp = new KnnTrainBatchOp().setFeatureCols("f0", "f1").setLabelCol("label").setDistanceType("EUCLIDEAN")
  27. .linkFrom(dataSourceOp);
  28. predictOp = new KnnPredictBatchOp().setPredictionCol("pred").setK(4).linkFrom(trainOp, dataSourceOp);
  29. predictOp.print();
  30. }
  31. }

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 |