次の方法で共有

kmeans_dynamic_fl()

関数kmeans_dynamic_fl()は、k-means アルゴリズムを使用してデータセットをクラスター化する UDF (ユーザー定義関数)です。 この関数は、 kmeans_fl() に似ていますが、複数のスカラー列ではなく、単一の数値配列列によって特徴が提供されるだけです。

前提条件

構文

T | invoke kmeans_dynamic_fl(k, features_col, cluster_col)

構文規則について詳しく知る。

パラメーター

件名 タイプ Required 説明
k int ✔️ クラスターの数。
features_col string ✔️ クラスタリングに使用する特徴の数値配列を含む列の名前。
cluster_col string ✔️ 各レコードの出力クラスター ID を格納する列の名前。

関数定義

関数を定義するには、次のようにコードをクエリ定義関数として埋め込むか、データベースに格納された関数として作成します。

次の let ステートメントを使用して関数を定義。 権限は必要ありません。

重要

let ステートメント単独では実行できません。 その後に 表形式の式ステートメントが続く必要があります。 kmeans_fl()の作業例を実行するには、サンプルを参照してください。

let kmeans_dynamic_fl=(tbl:(*),k:int, features_col:string, cluster_col:string)
{
    let kwargs = bag_pack('k', k, 'features_col', features_col, 'cluster_col', cluster_col);
    let code = ```if 1:

        from sklearn.cluster import KMeans

        k = kargs["k"]
        features_col = kargs["features_col"]
        cluster_col = kargs["cluster_col"]

        df1 = df[features_col].apply(np.array)
        matrix = np.vstack(df1.values)
        kmeans = KMeans(n_clusters=k, random_state=0)
        kmeans.fit(matrix)
        result = df
        result[cluster_col] = kmeans.labels_
    ```;
    tbl
    | evaluate python(typeof(*),code, kwargs)
};
// Write your query to use the function here.

例

次の例では、 invoke 演算子 を使用して関数を実行します。

3 つのクラスターを使用した人工データセットのクラスタリング

クエリ定義関数を使用するには、埋め込み関数定義の後に呼び出します。

let kmeans_dynamic_fl=(tbl:(*),k:int, features_col:string, cluster_col:string)
{
    let kwargs = bag_pack('k', k, 'features_col', features_col, 'cluster_col', cluster_col);
    let code = ```if 1:

        from sklearn.cluster import KMeans

        k = kargs["k"]
        features_col = kargs["features_col"]
        cluster_col = kargs["cluster_col"]

        df1 = df[features_col].apply(np.array)
        matrix = np.vstack(df1.values)
        kmeans = KMeans(n_clusters=k, random_state=0)
        kmeans.fit(matrix)
        result = df
        result[cluster_col] = kmeans.labels_
    ```;
    tbl
    | evaluate python(typeof(*),code, kwargs)
};
union 
(range x from 1 to 100 step 1 | extend x=rand()+3, y=rand()+2),
(range x from 101 to 200 step 1 | extend x=rand()+1, y=rand()+4),
(range x from 201 to 300 step 1 | extend x=rand()+2, y=rand()+6)
| project Features=pack_array(x, y), cluster_id=int(null)
| invoke kmeans_dynamic_fl(3, "Features", "cluster_id")
| extend x=toreal(Features[0]), y=toreal(Features[1])
| render scatterchart with(series=cluster_id)

3 つのクラスターを含む人工データセットの K-Means クラスタリングの散布図のスクリーンショット。