Java 类名：com.alibaba.alink.pipeline.similarity.VectorApproxNearestNeighbor
Python 类名：VectorApproxNearestNeighbor

功能介绍

该功能由训练和预测组成，支持计算1. 求最近邻topN 2. 求radius范围内的邻居。该功能由预测时候的topN和radius参数控制, 如果填写了topN，则输出最近邻，如果填写了radius，则输出radius范围内的邻居。

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
idCol id列名 id列名 String ✓
selectedCol 选中的列名 计算列对应的列名 String ✓
metric 距离度量方式 距离类型 String “EUCLIDEAN”, “JACCARD” “EUCLIDEAN”
modelFilePath 模型的文件路径 模型的文件路径 String null
numHashTables 哈希表的数目 哈希表的数目 Integer 1
numProjectionsPerTable 每个哈希表中的哈希函数个数 每个哈希表中的哈希函数个数 Integer 1
outputCol 输出结果列 输出结果列列名，可选，默认null String null
overwriteSink 是否覆写已有数据 是否覆写已有数据 Boolean false
projectionWidth 桶的宽度 桶的宽度 Double 1.0
radius radius值 radius值 Double null
reservedCols 算法保留列名 算法保留列 String[] null
seed 采样种子 采样种子 Long 0
solver 近似方法 近似方法，包括KDTREE和LSH String “KDTREE”, “LSH” “KDTREE”
topN TopN的值 TopN的值 Integer [1, +inf) 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.     [0, "0 0 0"],
  9.     [1, "1 1 1"],
  10.     [2, "2 2 2"]
  11. ])
  13. inOp = BatchOperator.fromDataframe(df, schemaStr='id int, vec string')
  14. pipeline = VectorApproxNearestNeighbor().setIdCol("id").setSelectedCol("vec").setTopN(3)
  15. pipeline.fit(inOp).transform(inOp).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.source.MemSourceBatchOp;
  5. import com.alibaba.alink.pipeline.similarity.VectorApproxNearestNeighbor;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class VectorApproxNearestNeighborTest {
  12.     @Test
  13.     public void testVectorApproxNearestNeighbor() throws Exception {
  14.         List <Row> df = Arrays.asList(
  15.             Row.of(0, "0 0 0"),
  16.             Row.of(1, "1 1 1"),
  17.             Row.of(2, "2 2 2")
  18.         );
  19.         BatchOperator <?> inOp = new MemSourceBatchOp(df, "id int, vec string");
  20.         VectorApproxNearestNeighbor pipeline = new VectorApproxNearestNeighbor().setIdCol("id").setSelectedCol("vec")
  21.             .setTopN(3);
  22.         pipeline.fit(inOp).transform(inOp).print();
  23.     }
  24. }

运行结果

| id | vec | | —- | —- |

| 0 | {“ID”:”[0,1,2]”,”METRIC”:”[0.0,1.7320508075688772,3.4641016151377544]”} |

| 1 | {“ID”:”[1,2,0]”,”METRIC”:”[0.0,1.7320508075688772,1.7320508075688772]”} |

| 2 | {“ID”:”[2,1,0]”,”METRIC”:”[0.0,1.7320508075688772,3.4641016151377544]”} |