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。

Alink上KMeans算法括[KMeans]，[KMeans批量预测], [KMeans流式预测]

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
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. inOp1 = BatchOperator.fromDataframe(df, schemaStr='id int, vec string')
  13. inOp2 = StreamOperator.fromDataframe(df, schemaStr='id int, vec string')
  14. kmeans = KMeansTrainBatchOp().setVectorCol("vec").setK(2)
  15. predictBatch = KMeansPredictBatchOp().setPredictionCol("pred")
  16. kmeans.linkFrom(inOp1)
  17. predictBatch.linkFrom(kmeans, inOp1)
  18. [model,predict] = collectToDataframes(kmeans, predictBatch)
  19. print(model)
  20. print(predict)
  22. predictStream = KMeansPredictStreamOp(kmeans).setPredictionCol("pred")
  23. predictStream.linkFrom(inOp2)
  24. predictStream.print(refreshInterval=-1)
  25. StreamOperator.execute()

脚本运行结果

模型结果
  1. model_id                                         model_info
  2. 0         0  {"vectorCol":"\"vec\"","latitudeCol":null,"lon...
  3. 1   1048576  {"clusterId":0,"weight":6.0,"vec":{"data":[9.0...
  4. 2   2097152  {"clusterId":1,"weight":6.0,"vec":{"data":[0.1...
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