向量标准化 (VectorNormalizeBatchOp)

Java 类名：com.alibaba.alink.operator.batch.dataproc.vector.VectorNormalizeBatchOp

Python 类名：VectorNormalizeBatchOp

功能介绍

对 Vector 进行正则化操作。

指定参数范数的阶，例如p = 2, 对于向量<x1, x2, x3>，计算向量的平方和再开二次方记为norm，最终计算结果为<x1/norm, x2/norm, x3/norm>

通过 setOutputCol，指定新生成的列名。如果不指定，默认替代输入列。

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
selectedCol	选中的列名	计算列对应的列名	String	✓	所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR]
outputCol	输出结果列	输出结果列列名，可选，默认null	String			null
p	范数的阶	范数的阶，默认2	Double			2.0
reservedCols	算法保留列名	算法保留列	String[]			null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
    ["1:3,2:4,4:7", 1],
    ["0:3,5:5", 3],
    ["2:4,4:5", 4]
])

data = BatchOperator.fromDataframe(df, schemaStr="vec string, id bigint")
VectorNormalizeBatchOp().setSelectedCol("vec").setOutputCol("vec_norm").linkFrom(data).collectToDataframe()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.vector.VectorNormalizeBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class VectorNormalizeBatchOpTest {
	@Test
	public void testVectorNormalizeBatchOp() throws Exception {
		List <Row> df = Arrays.asList(
			Row.of("1:3,2:4,4:7", 1),
			Row.of("0:3,5:5", 3),
			Row.of("2:4,4:5", 4)
		);
		BatchOperator <?> data = new MemSourceBatchOp(df, "vec string, id int");
		new VectorNormalizeBatchOp().setSelectedCol("vec").setOutputCol("vec_norm").linkFrom(data).print();
	}
}

运行结果

vec	id	vec_norm
1:3,2:4,4:7	1	1:0.34874291623145787 2:0.46499055497527714 4:0.813733471206735
0:3,5:5	3	0:0.5144957554275265 5:0.8574929257125441
2:4,4:5	4	2:0.6246950475544243 4:0.7808688094430304