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 ✓ [1, +inf)
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

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.         [0.0,0.0,0.0],
  9.         [0.1,0.2,0.1],
  10.         [0.2,0.2,0.8],
  11.         [9.0,9.5,9.7],
  12.         [9.1,9.1,9.6],
  13.         [9.2,9.3,9.9]
  14. ])
  16. # batch source 
  17. inOp = BatchOperator.fromDataframe(df, schemaStr='x1 double, x2 double, x3 double')
  19. pca = PCA().setK(2).setSelectedCols(["x1","x2","x3"]).setPredictionCol("pred")
  21. # train
  22. model = pca.fit(inOp)
  24. # batch predict
  25. model.transform(inOp).print()
  27. # stream predict
  28. inStreamOp = StreamOperator.fromDataframe(df, schemaStr='x1 double, x2 double, x3 double')
  30. model.transform(inStreamOp).print()
  32. StreamOperator.execute()

Java 代码

  1. package javatest.com.alibaba.alink.pipeline.feature;
  3. import org.apache.flink.types.Row;
  5. import com.alibaba.alink.operator.batch.BatchOperator;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import com.alibaba.alink.operator.stream.StreamOperator;
  8. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  9. import com.alibaba.alink.pipeline.feature.PCA;
  10. import com.alibaba.alink.pipeline.feature.PCAModel;
  11. import org.junit.Test;
  13. import java.util.Arrays;
  14. import java.util.List;
  16. public class PcaTest {
  18.     @Test
  19.     public void testPca() throws Exception {
  20.         List <Row> df = Arrays.asList(
  21.             Row.of(0.0, 0.0, 0.0),
  22.             Row.of(0.1, 0.2, 0.1),
  23.             Row.of(0.2, 0.2, 0.8),
  24.             Row.of(9.0, 9.5, 9.7),
  25.             Row.of(9.1, 9.1, 9.6),
  26.             Row.of(9.2, 9.3, 9.9)
  27.         );
  29.         BatchOperator <?> inOp = new MemSourceBatchOp(df, "x1 double, x2 double, x3 double");
  30.         MemSourceStreamOp inStreamOp = new MemSourceStreamOp(df, "x1 double, x2 double, x3 double");
  32.         PCA pca = new PCA()
  33.             .setK(2)
  34.             .setSelectedCols(new String[] {"x1", "x2", "x3"}).setPredictionCol("pred");
  36.         PCAModel model = pca.fit(inOp);
  38.         model.transform(inOp).print();
  40.         model.transform(inStreamOp).print();
  42.         StreamOperator.execute();
  43.     }
  44. }

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 |