K近鄰 - Platform For AI

K近鄰演算法進行分類的原理是針對預測表的每行資料，從訓練表中選擇與其距離最近的K條記錄，將這K條記錄中類別數量最多的類，作為該行的類別。

組件配置

您可以使用以下任意一種方式，配置K近鄰組件參數。

方式一：可視化方式

在Designer工作流程頁面配置組件參數。

頁簽	參數	描述
欄位設定	選擇訓練表特徵列	用於訓練的特徵列。
	選擇訓練表的標籤列	訓練的目標列。
	選擇預測表特徵列	如果未配置該參數，則表示其與訓練表特徵列相同。
	產出表附加ID列	用於標識該列的身份，從而獲得某列對應的預測值。系統預設使用預測表特徵列，作為附加ID列。
	輸入表資料是稀疏格式	使用KV格式表示稀疏資料。
	kv間的分隔字元	預設為英文逗號（,）。
	key和value的分隔字元	預設為英文冒號（:）。
參數設定	近鄰個數	預設值為100。
執行調優	核心數	預設系統自動分配。
執行調優	記憶體數	預設系統自動分配。

方式二：PAI命令方式

使用PAI命令方式，配置該組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見SQL指令碼。

PAI -name knn
    -DtrainTableName=pai_knn_test_input
    -DtrainFeatureColNames=f0,f1
    -DtrainLabelColName=class
    -DpredictTableName=pai_knn_test_input
    -DpredictFeatureColNames=f0,f1
    -DoutputTableName=pai_knn_test_output
    -Dk=2;

參數	是否必選	描述	預設值
trainTableName	是	訓練表的表名。	無
trainFeatureColNames	是	訓練表的特徵列名。	無
trainLabelColName	是	訓練表的標籤列名。	無
trainTablePartitions	否	訓練表中，參與訓練的分區。	所有分區
predictTableName	是	預測表的表名。	無
outputTableName	是	輸出表的表名。	無
predictFeatureColNames	否	預測表的特徵列名。	與trainFeatureColNames相同
predictTablePartitions	否	預測表中，參與預測的分區。	所有分區
appendColNames	否	輸出表中，附加預測表的列名。	與predictFeatureColNames相同
outputTablePartition	否	輸出表的分區。	全表
k	否	最近鄰的數量。取值範圍為1~1000。	100
enableSparse	否	輸入表資料是否為稀疏格式。取值範圍為{true,false}。	false
itemDelimiter	否	如果輸入表資料為稀疏格式，則KV對之間的分隔字元。	英文逗號（,）
kvDelimiter	否	如果輸入表資料為稀疏格式，則key和value之間的分隔字元。	英文冒號（:）
coreNum	否	節點數量。與memSizePerCore搭配使用，取值範圍為1~20000。	系統自動計算
memSizePerCore	否	單個節點的記憶體，取值範圍為1024 MB~64*1024 MB。	系統自動計算
lifecycle	否	輸出表的生命週期。	無

樣本

產生訓練資料。

create table pai_knn_test_input as
select * from
(
  select 1 as f0,2 as f1, 'good' as class
  union all
  select 1 as f0,3 as f1, 'good' as class
  union all
  select 1 as f0,4 as f1, 'bad' as class
  union all
  select 0 as f0,3 as f1, 'good' as class
  union all
  select 0 as f0,4 as f1, 'bad' as class
)tmp;

使用PAI命令，提交K近鄰演算法組件參數。

pai -name knn
    -DtrainTableName=pai_knn_test_input
    -DtrainFeatureColNames=f0,f1
    -DtrainLabelColName=class
    -DpredictTableName=pai_knn_test_input
    -DpredictFeatureColNames=f0,f1
    -DoutputTableName=pai_knn_test_output
    -Dk=2;

查看訓練結果。其中：
- f0和f1表示結果附件列。
- prediction_result表示分類結果。
- prediction_score表示分類結果對應的機率。
- prediction_detail表示最近的K個分類及其對應的機率。