该文档涉及的组件

向量标准化 (VectorNormalizeStreamOp)

Java 类名:com.alibaba.alink.operator.stream.dataproc.vector.VectorNormalizeStreamOp

Python 类名:VectorNormalizeStreamOp

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>

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 = StreamOperator.fromDataframe(df, schemaStr="vec string, id bigint")
VectorNormalizeStreamOp().setSelectedCol("vec").setOutputCol("vec_norm").linkFrom(data).print()
StreamOperator.execute()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.stream.StreamOperator;
import com.alibaba.alink.operator.stream.dataproc.vector.VectorNormalizeStreamOp;
import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
import org.junit.Test;

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

public class VectorNormalizeStreamOpTest {
	@Test
	public void testVectorNormalizeStreamOp() 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)
		);
		StreamOperator <?> data = new MemSourceStreamOp(df, "vec string, id int");
		new VectorNormalizeStreamOp().setSelectedCol("vec").setOutputCol("vec_norm").linkFrom(data).print();
		StreamOperator.execute();
	}
}

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