最近邻分类 (KnnClassifier)

Java 类名：com.alibaba.alink.pipeline.classification.KnnClassifier

Python 类名：KnnClassifier

功能介绍

KNN (K Nearest Neighbor）是一种分类算法。
KNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别;
则该样本也属于这个类别，并具有这个类别上样本的特性。

KNN的训练与一般机器学习模型的训练过程不同：在KNN训练中我们只进行一些字典表的预处理，而在预测过程中才会进行计算预测每个数据点的类别。
因此，KNN的训练和预测通常同时使用，一般不单独使用。

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
labelCol	标签列名	输入表中的标签列名	String	✓
predictionCol	预测结果列名	预测结果列名	String	✓
distanceType	距离度量方式	聚类使用的距离类型	String		“EUCLIDEAN”, “COSINE”	“EUCLIDEAN”
featureCols	特征列名数组	特征列名数组，默认全选	String[]			null
k	topK	topK	Integer			10
modelFilePath	模型的文件路径	模型的文件路径	String			null
overwriteSink	是否覆写已有数据	是否覆写已有数据	Boolean			false
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
vectorCol	向量列名	向量列对应的列名，默认值是null	String			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

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
  [1, "0,0,0"],
  [1, "0.1,0.1,0.1"],
  [1, "0.2,0.2,0.2"],
  [0, "9,9,9"],
  [0, "9.1,9.1,9.1"],
  [0, "9.2,9.2,9.2"]
])

dataSource = BatchOperator.fromDataframe(df, schemaStr="label int, vec string")
knn = KnnClassifier().setVectorCol("vec") \
    .setPredictionCol("pred") \
    .setLabelCol("label") \
    .setK(3)

model = knn.fit(dataSource)
model.transform(dataSource).print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.pipeline.classification.KnnClassifier;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class KnnClassifierTest {
	@Test
	public void testKnnClassifier() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of(1, "0,0,0"),
			Row.of(1, "0.1,0.1,0.1"),
			Row.of(1, "0.2,0.2,0.2"),
			Row.of(0, "9,9,9"),
			Row.of(0, "9.1,9.1,9.1"),
			Row.of(0, "9.2,9.2,9.2")
		);
		BatchOperator <?> dataSource = new MemSourceBatchOp(df, "label int, vec string");
		KnnClassifier knn = new KnnClassifier().setVectorCol("vec")
			.setPredictionCol("pred")
			.setLabelCol("label")
			.setK(3);
		knn.fit(dataSource)
			.transform(dataSource)
			.print();
	}
}

运行结果

label	vec	pred
1	0,0,0	1
1	0.1,0.1,0.1	1
1	0.2,0.2,0.2	1
0	9,9,9	0
0	9.1,9.1,9.1	0
0	9.2,9.2,9.2	0