功能介绍

KMeans 是一个经典的聚类算法。

基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
predictionDistanceCol 预测距离列名 预测距离列名 String
distanceType 距离度量方式 聚类使用的距离类型，支持EUCLIDEAN（欧式距离）和 COSINE（余弦距离） String “EUCLIDEAN”
vectorCol 向量列名 向量列对应的列名 String ✓
maxIter 最大迭代步数 最大迭代步数，默认为 20。 Integer 20
initMode 中心点初始化方法 初始化中心点的方法，支持”K_MEANS_PARALLEL”和”RANDOM” String “K_MEANS_PARALLEL”
initSteps k-means++初始化迭代步数 k-means初始化中心点时迭代的步数 Integer 2
k 聚类中心点数量 聚类中心点数量 Integer 2
epsilon 收敛阈值 当两轮迭代的中心点距离小于epsilon时，算法收敛。 Double 1.0E-4
predictionCol 预测结果列名 预测结果列名 String ✓
predictionDetailCol 预测详细信息列名 预测详细信息列名 String
reservedCols 算法保留列名 算法保留列 String[] null

脚本示例

脚本代码

  1. import numpy as np
  2. import pandas as pd
  3. data = np.array([
  4.     [0, "0 0 0"],
  5.     [1, "0.1,0.1,0.1"],
  6.     [2, "0.2,0.2,0.2"],
  7.     [3, "9 9 9"],
  8.     [4, "9.1 9.1 9.1"],
  9.     [5, "9.2 9.2 9.2"]
  10. ])
  11. df = pd.DataFrame({"id": data[:, 0], "vec": data[:, 1]})
  12. inOp = BatchOperator.fromDataframe(df, schemaStr='id int, vec string')
  13. kmeans = KMeans().setVectorCol("vec").setK(2).setPredictionCol("pred")
  14. kmeans.fit(inOp).transform(inOp).collectToDataframe()

脚本运行结果

预测结果
  1. rowID   id          vec  pred
  2. 0   0        0 0 0     1
  3. 1   1  0.1,0.1,0.1     1
  4. 2   2  0.2,0.2,0.2     1
  5. 3   3        9 9 9     0
  6. 4   4  9.1 9.1 9.1     0
  7. 5   5  9.2 9.2 9.2     0