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

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 聚类使用的距离类型 String “EUCLIDEAN”, “COSINE”, “INNERPRODUCT”, “CITYBLOCK”, “JACCARD”, “PEARSON” “EUCLIDEAN”
modelFilePath 模型的文件路径 模型的文件路径 String null
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
radius radius值 radius值 Double null
reservedCols 算法保留列名 算法保留列 String[] null
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 = VectorNearestNeighbor().setIdCol("id").setSelectedCol("vec").setTopN(3)
  16. 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.VectorNearestNeighbor;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class VectorNearestNeighborTest {
  12.     @Test
  13.     public void testVectorNearestNeighbor() 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.         VectorNearestNeighbor pipeline = new VectorNearestNeighbor().setIdCol("id").setSelectedCol("vec").setTopN(3);
  21.         pipeline.fit(inOp).transform(inOp).print();
  22.     }
  23. }

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]”} |