Java 类名：com.alibaba.alink.operator.batch.dataproc.vector.VectorStandardScalerTrainBatchOp
Python 类名：VectorStandardScalerTrainBatchOp

功能介绍

标准化是对向量数据进行按正态化处理的组件
VectorStandardScalerTrainBatchOp 计算向量的每一列的均值和方差，组件可以指定默认均值为0，标准差为1。
生成向量标准化的模型，在 VectorStandardScalerPredictBatchOp 中加载，对数据做标准化处理。
输入的向量可以同时包含稀疏向量和稠密向量，向量维度也可以不相同。输入稠密向量维度不够时，没有的维度默认为0。

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
selectedCol 选中的列名 计算列对应的列名 String ✓ 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]
withMean 是否使用均值 是否使用均值，默认使用 Boolean true
withStd 是否使用标准差 是否使用标准差，默认使用 Boolean true

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", "10.0, 100"],
  9.     ["b", "-2.5, 9"],
  10.     ["c", "100.2, 1"],
  11.     ["d", "-99.9, 100"],
  12.     ["a", "1.4, 1"],
  13.     ["b", "-2.2, 9"],
  14.     ["c", "100.9, 1"]
  15. ])
  17. data = BatchOperator.fromDataframe(df, schemaStr="col string, vector string")
  18. trainOp = VectorStandardScalerTrainBatchOp().setSelectedCol("vector")
  19. model = trainOp.linkFrom(data)
  20. VectorStandardScalerPredictBatchOp().linkFrom(model, data).collectToDataframe()

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.dataproc.vector.VectorStandardScalerPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.dataproc.vector.VectorStandardScalerTrainBatchOp;
  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 VectorStandardScalerTrainBatchOpTest {
  13.     @Test
  14.     public void testVectorStandardScalerTrainBatchOp() throws Exception {
  15.         List <Row> df = Arrays.asList(
  16.             Row.of("a", "10.0, 100"),
  17.             Row.of("b", "-2.5, 9"),
  18.             Row.of("c", "100.2, 1"),
  19.             Row.of("d", "-99.9, 100"),
  20.             Row.of("a", "1.4, 1"),
  21.             Row.of("b", "-2.2, 9"),
  22.             Row.of("c", "100.9, 1")
  23.         );
  24.         BatchOperator <?> data = new MemSourceBatchOp(df, "col string, vector string");
  25.         BatchOperator <?> trainOp = new VectorStandardScalerTrainBatchOp().setSelectedCol("vector");
  26.         BatchOperator <?> model = trainOp.linkFrom(data);
  27.         new VectorStandardScalerPredictBatchOp().linkFrom(model, data).print();
  28.     }
  29. }

运行结果

| col1 | vec | | —- | —- |

| a | -0.07835182408093559,1.4595814453461897 |

| c | 1.2269606224811418,-0.6520885789229323 |

| b | -0.2549018445693762,-0.4814485769617911 |

| a | -0.20280511721213143,-0.6520885789229323 |

| c | 1.237090541689495,-0.6520885789229323 |

| b | -0.25924323851581327,-0.4814485769617911 |

| d | -1.6687491397923802,1.4595814453461897 |