主成分分析 (PCA)

Java 类名：com.alibaba.alink.pipeline.feature.PCA

Python 类名：PCA

功能介绍

主成分分析，是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关，作为新的综合指标。详细介绍请见维基百科链接wiki。

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
k	降维后的维度	降维后的维度	Integer	✓	x >= 1
predictionCol	预测结果列名	预测结果列名	String	✓
calculationType	计算类型	计算类型，包含“CORR”, “COV”两种。	String		“CORR”, “COV”	“CORR”
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
reservedCols	算法保留列名	算法保留列	String[]			null
selectedCols	选中的列名数组	计算列对应的列名列表	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([
        [0.0,0.0,0.0],
        [0.1,0.2,0.1],
        [0.2,0.2,0.8],
        [9.0,9.5,9.7],
        [9.1,9.1,9.6],
        [9.2,9.3,9.9]
])

# batch source 
inOp = BatchOperator.fromDataframe(df, schemaStr='x1 double, x2 double, x3 double')

pca = PCA().setK(2).setSelectedCols(["x1","x2","x3"]).setPredictionCol("pred")

# train
model = pca.fit(inOp)

# batch predict
model.transform(inOp).print()

# stream predict
inStreamOp = StreamOperator.fromDataframe(df, schemaStr='x1 double, x2 double, x3 double')

model.transform(inStreamOp).print()

StreamOperator.execute()

Java 代码

package javatest.com.alibaba.alink.pipeline.feature;

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.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import com.alibaba.alink.pipeline.feature.PCA;
import com.alibaba.alink.pipeline.feature.PCAModel;
import org.junit.Test;

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

public class PcaTest {

	@Test
	public void testPca() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of(0.0, 0.0, 0.0),
			Row.of(0.1, 0.2, 0.1),
			Row.of(0.2, 0.2, 0.8),
			Row.of(9.0, 9.5, 9.7),
			Row.of(9.1, 9.1, 9.6),
			Row.of(9.2, 9.3, 9.9)
		);

		BatchOperator <?> inOp = new MemSourceBatchOp(df, "x1 double, x2 double, x3 double");
		MemSourceStreamOp inStreamOp = new MemSourceStreamOp(df, "x1 double, x2 double, x3 double");

		PCA pca = new PCA()
			.setK(2)
			.setSelectedCols(new String[] {"x1", "x2", "x3"}).setPredictionCol("pred");

		PCAModel model = pca.fit(inOp);

		model.transform(inOp).print();

		model.transform(inStreamOp).print();

		StreamOperator.execute();
	}
}

结果

x1	x2	x3	pred
0.0000	0.0000	0.0000	-1.6404909810453345 -0.0251812826908675
0.1000	0.2000	0.1000	-1.5946357760302712 -0.037364200387782764
0.2000	0.2000	0.8000	-1.5048402139720405 0.06485201225195414
9.0000	9.5000	9.7000	1.587547449494739 -0.02506612043660217
9.1000	9.1000	9.6000	1.5421273389336387 0.0022882493013524074
9.2000	9.3000	9.9000	1.6102921826192689 0.020471341961945777