Java 类名：com.alibaba.alink.operator.stream.feature.QuantileDiscretizerPredictStreamOp
Python 类名：QuantileDiscretizerPredictStreamOp

功能介绍

分位点离散可以计算选定列的分位点，然后使用这些分位点进行离散化。
生成选中列对应的q-quantile，其中可以所有列指定一个，也可以每一列对应一个

编码结果

Encode ——> INDEX

预测结果为单个token的index

Encode ——> VECTOR

预测结果为稀疏向量:

  1. 1. dropLast为true,向量中非零元个数为0或者1
  2. 2. dropLast为false,向量中非零元个数必定为1
Encode ——> ASSEMBLED_VECTOR

预测结果为稀疏向量,是预测选择列中,各列预测为VECTOR时,按照选择顺序ASSEMBLE的结果。

向量维度

Encode ——> Vector
  1. numBuckets: 训练参数
  3. dropLast: 预测参数
  5. handleInvalid: 预测参数

Token index

Encode ——> Vector
  1. 1. 正常数据: 唯一的非零元为数据所在的bucket,若 dropLast为true, 最大的bucket的值会被丢掉，预测结果为全零元
  3. 2. null: 
  4.     2.1 handleInvalid为keep: 唯一的非零元为:numBuckets - dropLast(true: 1, false: 0)
  5.     2.2 handleInvalid为skip: null
  6.     2.3 handleInvalid为error: 报错

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

| selectedCols | 选择的列名 | 计算列对应的列名列表 | String[] | ✓ | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | |

| dropLast | 是否删除最后一个元素 | 删除最后一个元素是为了保证线性无关性。默认true | Boolean | | | true |

| encode | 编码方法 | 编码方法 | String | | “VECTOR”, “ASSEMBLED_VECTOR”, “INDEX” | “INDEX” |

| handleInvalid | 未知token处理策略 | 未知token处理策略。”keep”表示用最大id加1代替, “skip”表示补null， “error”表示抛异常 | String | | “KEEP”, “ERROR”, “SKIP” | “KEEP” |

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

| outputCols | 输出结果列列名数组 | 输出结果列列名数组，可选，默认null | String[] | | | null |

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

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

| modelStreamFilePath | 模型流的文件路径 | 模型流的文件路径 | String | | | null |

| modelStreamScanInterval | 扫描模型路径的时间间隔 | 描模型路径的时间间隔，单位秒 | Integer | | | 10 |

| modelStreamStartTime | 模型流的起始时间 | 模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s) | String | | | null |

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.     ["a", 1, 1, 2.0, True],
  9.     ["c", 1, 2, -3.0, True],
  10.     ["a", 2, 2, 2.0, False],
  11.     ["c", 0, 0, 0.0, False]
  12.     ])
  14. batchSource = BatchOperator.fromDataframe(df,schemaStr="f_string string, f_long long, f_int int, f_double double, f_boolean boolean" )
  15. streamSource = StreamOperator.fromDataframe(df,schemaStr="f_string string, f_long long, f_int int, f_double double, f_boolean boolean")
  17. trainOp = QuantileDiscretizerTrainBatchOp()\
  18.     .setSelectedCols(['f_double'])\
  19.     .setNumBuckets(8)\
  20.     .linkFrom(batchSource)
  23. predictBatchOp = QuantileDiscretizerPredictBatchOp()\
  24.     .setSelectedCols(['f_double'])
  26. predictBatchOp.linkFrom(trainOp,batchSource).print()
  29. predictStreamOp = QuantileDiscretizerPredictStreamOp(trainOp)\
  30.     .setSelectedCols(['f_double'])
  32. predictStreamOp.linkFrom(streamSource).print()
  34. 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.feature.QuantileDiscretizerPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.feature.QuantileDiscretizerTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import com.alibaba.alink.operator.stream.StreamOperator;
  8. import com.alibaba.alink.operator.stream.feature.QuantileDiscretizerPredictStreamOp;
  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 QuantileDiscretizerPredictStreamOpTest {
  16.     @Test
  17.     public void testQuantileDiscretizerPredictStreamOp() throws Exception {
  18.         List <Row> df = Arrays.asList(
  19.             Row.of("a", 1, 1, 2.0, true),
  20.             Row.of("c", 1, 2, -3.0, true),
  21.             Row.of("a", 2, 2, 2.0, false),
  22.             Row.of("c", 0, 0, 0.0, false)
  23.         );
  24.         BatchOperator <?> batchSource = new MemSourceBatchOp(df,
  25.             "f_string string, f_long int, f_int int, f_double double, f_boolean boolean");
  26.         StreamOperator <?> streamSource = new MemSourceStreamOp(df,
  27.             "f_string string, f_long int, f_int int, f_double double, f_boolean boolean");
  28.         BatchOperator <?> trainOp = new QuantileDiscretizerTrainBatchOp()
  29.             .setSelectedCols("f_double")
  30.             .setNumBuckets(8)
  31.             .linkFrom(batchSource);
  32.         BatchOperator <?> predictBatchOp = new QuantileDiscretizerPredictBatchOp()
  33.             .setSelectedCols("f_double");
  34.         predictBatchOp.linkFrom(trainOp, batchSource).print();
  35.         StreamOperator <?> predictStreamOp = new QuantileDiscretizerPredictStreamOp(trainOp)
  36.             .setSelectedCols("f_double");
  37.         predictStreamOp.linkFrom(streamSource).print();
  38.         StreamOperator.execute();
  39.     }
  40. }

运行结果

批预测结果

| f_string | f_long | f_int | f_double | f_boolean | | —- | —- | —- | —- | —- |

| a | 1 | 1 | 2 | true |

| c | 1 | 2 | 0 | true |

| a | 2 | 2 | 2 | false |

| c | 0 | 0 | 1 | false |

流预测结果

| f_string | f_long | f_int | f_double | f_boolean | | —- | —- | —- | —- | —- |

| a | 2 | 2 | 2 | false |

| a | 1 | 1 | 2 | true |

| c | 1 | 2 | 0 | true |

| c | 0 | 0 | 1 | false |