Java 类名：com.alibaba.alink.pipeline.clustering.BisectingKMeans
Python 类名：BisectingKMeans

功能介绍

二分k均值算法是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题.

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
predictionCol 预测结果列名 预测结果列名 String ✓
vectorCol 向量列名 向量列对应的列名 String ✓
distanceType 距离度量方式 聚类使用的距离类型 String “EUCLIDEAN”, “COSINE” “EUCLIDEAN”
k 聚类中心点数目 聚类中心点数目 Integer 4
maxIter 最大迭代步数 最大迭代步数，默认为 10。 Integer 10
minDivisibleClusterSize 最小可分裂的聚类大小 最小可分裂的聚类大小 Integer 1
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
randomSeed 随机数种子 随机数种子 Integer 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
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

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     [0, "0 0 0"],
  9.     [1, "0.1,0.1,0.1"],
  10.     [2, "0.2,0.2,0.2"],
  11.     [3, "9 9 9"],
  12.     [4, "9.1 9.1 9.1"],
  13.     [5, "9.2 9.2 9.2"]
  14. ])
  16. inOp = BatchOperator.fromDataframe(df, schemaStr='id int, vec string')
  18. kmeans = BisectingKMeans()\
  19.     .setVectorCol("vec")\
  20.     .setK(2)\
  21.     .setPredictionCol("pred")
  23. kmeans.fit(inOp)\
  24.     .transform(inOp)\
  25.     .print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import com.alibaba.alink.pipeline.clustering.BisectingKMeans;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class BisectingKMeansTest {
  12.     @Test
  13.     public void testBisectingKMeans() throws Exception {
  14.         List <Row> df = Arrays.asList(
  15.             Row.of(0, "0 0 0"),
  16.             Row.of(1, "0.1,0.1,0.1"),
  17.             Row.of(2, "0.2,0.2,0.2"),
  18.             Row.of(3, "9 9 9"),
  19.             Row.of(4, "9.1 9.1 9.1"),
  20.             Row.of(5, "9.2 9.2 9.2")
  21.         );
  22.         BatchOperator <?> inOp = new MemSourceBatchOp(df, "id int, vec string");
  23.         BisectingKMeans kmeans = new BisectingKMeans()
  24.             .setVectorCol("vec")
  25.             .setK(2)
  26.             .setPredictionCol("pred");
  27.         kmeans.fit(inOp)
  28.             .transform(inOp)
  29.             .print();
  30.     }
  31. }

运行结果

预测结果

| id | vec | pred | | —- | —- | —- |

| 0 | 0 0 0 | 0 |

| 1 | 0.1,0.1,0.1 | 0 |

| 2 | 0.2,0.2,0.2 | 0 |

| 3 | 9 9 9 | 1 |

| 4 | 9.1 9.1 9.1 | 1 |

| 5 | 9.2 9.2 9.2 | 1 |