1. 聚类算法

1.1. K均值（[2.0] KMeans）

KMeans是一种常用的聚类算法，将无标签的数据聚成K个类。平台提供的KMeans算法实现了并行的k-means++的初始化算法

训练节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段。
    • 训练数据格式：文本类型。
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择。
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填形式如 a-b、c 或者它们的混合，用英文逗号分割（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
    • 验证数据：半自动调参时用于评估的数据，格式与训练数据一致。
  • 输出：ML 格式或者 PMML 格式的模型，保存在后台生成的路径下。
  • 算法参数
    • k：聚类类别数。
    • maxIter：最大迭代次数。
    • tol：容忍误差下界，低于该值的时候，算法停止迭代。
  • 半自动调参
    • 调参算法：默认贝叶斯调参，目前支持贝叶斯调参、网格调参和随机调参。
    • 评估方法：算法的评估方法，支持 ClustringEvaluator。
    • 评估指标：聚类评估指标 sllhouette。
    • k：离散整正整数参数，取值需要大于等于2。

预测节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段。
    • 训练数据格式：文本类型。
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择。
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填形式如 a-b、c 或者它们的混合，用英文逗号分割（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
  • 输出
    • 结果路径：路径。
    • 结果格式：结果数据格式，默认为 parquet。

1.2. 高斯混合（[2.0] GaussianMixture）

GaussianMixture是高斯混合模型可用于聚类。

训练节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段。
    • 训练数据格式：文本类型。
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择。
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填形式如 a-b、c 或者它们的混合，用英文逗号分割，（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
    • 验证数据：半自动调参时用于评估的数据，格式与训练数据一致。
  • 输出：ML 格式的模型，保存在后台生成的路径下。
  • 算法参数
    • k：聚类类别数。
    • maxIter：最大迭代次数。
    • tol：容忍误差下界，低于该值的时候，算法停止迭代。
  • 半自动调参
    • 调参算法：默认贝叶斯调参，目前支持贝叶斯调参、网格调参和随机调参。
    • 评估方法：算法的评估方法，支持 ClustringEvaluator。
    • 评估指标：聚类评估指标 sllhouette。
    • k：离散整正整数参数,取值需要大于等于2。

预测节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段
    • 训练数据格式：文本类型
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填a-b或者c或者它们的混合，用英文逗号分割（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
  • 输出
    • 结果路径：路径。
    • 结果格式：结果数据格式，默认为 parquet。

1.3. 二分k均值（[2.0] BisectingKMeans）

算法说明

二分K均值算法，属于层次聚类参考 官方文档 。

训练节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段。
    • 训练数据格式：文本类型。
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择。
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填形式如 a-b、c 或者它们的混合，用英文逗号分割（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
    • 验证数据：半自动调参时用于评估的数据，格式与训练数据一致。
  • 输出：ML 格式的模型，保存在后台生成的路径下。
  • 算法参数
    • k：聚类类别数。
    • maxIter：最大迭代次数。
  • 半自动调参
    • 调参算法：默认贝叶斯调参，目前支持贝叶斯调参、网格调参和随机调参。
    • 评估方法：算法的评估方法，支持 ClustringEvaluator。
    • 评估指标：聚类评估指标 sllhouette。
    • k：离散整正整数参数，取值需要大于等于2。

预测节点

  • 输入
    • 训练路径：路径或者库表，Dense 结构，每一列对应一个特征、标签或者不参与计算的字段。
    • 训练数据格式：文本类型。
    • 数据分隔符：数据分隔符，默认为空白符或者逗号，可通过下拉框选择。
    • 特征列：作为训练特征的列，从0开始编号。对于库表可以直接勾选，对于普通路径，可填形式如 a-b、c 或者它们的混合，用逗号分割（例如0-10,15,17-19表示第0到10列、15、17到19列总共15列作为特征）。
  • 输出
    • 结果路径：路径。
    • 结果格式：结果数据格式，默认为 parquet。