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

功能介绍

KMeans 是一个经典的聚类算法。
基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
本组件主要针对经纬度距离做Kmeans聚类，包括经纬度KMeans，经纬度KMeans预测, 经纬度KMeans流式预测。

经纬度距离（https://en.wikipedia.org/wiki/Haversine_formula)

经纬度K均值聚类 (GeoKMeans) - 图1经纬度K均值聚类 (GeoKMeans) - 图2输入数据中的经度和纬度使用度数表示，得到的距离单位为千米(km)。

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
latitudeCol 经度列名 经度列名 String ✓
longitudeCol 纬度列名 纬度列名 String ✓
predictionCol 预测结果列名 预测结果列名 String ✓
epsilon 收敛阈值 当两轮迭代的中心点距离小于epsilon时，算法收敛。 Double 1.0E-4
initMode 中心点初始化方法 初始化中心点的方法，支持”K_MEANS_PARALLEL”和”RANDOM” String “RANDOM”, “K_MEANS_PARALLEL” “RANDOM”
initSteps k-means++初始化迭代步数 k-means初始化中心点时迭代的步数 Integer 2
k 聚类中心点数量 聚类中心点数量 Integer 2
maxIter 最大迭代步数 最大迭代步数，默认为 50。 Integer 50
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
predictionDistanceCol 预测距离列名 预测距离列名 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],
  9.     [8, 8],
  10.     [1, 2],
  11.     [9, 10],
  12.     [3, 1],
  13.     [10, 7]
  14. ])
  16. inOp1 = BatchOperator.fromDataframe(df, schemaStr='f0 long, f1 long')
  18. kmeans = GeoKMeans()\
  19.     .setLongitudeCol("f0")\
  20.     .setLatitudeCol("f1")\
  21.     .setK(2)\
  22.     .setPredictionCol("pred")
  24. kmeans.fit(inOp1).transform(inOp1).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.GeoKMeans;
  6. import org.junit.Test;
  8. import java.util.Arrays;
  9. import java.util.List;
  11. public class GeoKMeansTest {
  12.     @Test
  13.     public void testGeoKMeans() throws Exception {
  14.         List <Row> df = Arrays.asList(
  15.             Row.of(0, 0),
  16.             Row.of(8, 8),
  17.             Row.of(1, 2),
  18.             Row.of(9, 10),
  19.             Row.of(3, 1),
  20.             Row.of(10, 7)
  21.         );
  22.         BatchOperator <?> inOp1 = new MemSourceBatchOp(df, "f0 int, f1 int");
  23.         GeoKMeans kmeans = new GeoKMeans()
  24.             .setLongitudeCol("f0")
  25.             .setLatitudeCol("f1")
  26.             .setK(2)
  27.             .setPredictionCol("pred");
  28.         kmeans.fit(inOp1).transform(inOp1).print();
  29.     }
  30. }

运行结果

| f0 | f1 | pred | | —- | —- | —- |

| 0 | 0 | 1 |

| 8 | 8 | 0 |

| 1 | 2 | 1 |

| 9 | 10 | 0 |

| 3 | 1 | 1 |

| 10 | 7 | 0 |