我要评分

文档获取效率

文档正确性

内容完整性

文档易理解

在线提单

论坛求助

DBSCAN

模型接口类别	函数接口
ML API	def fitPredict(dataset: Dataset[_]): DataFrame

ML API

功能描述
 传入Dataset格式的样本数据，调用fitPredict接口，输出聚类结果。

输入输出

包名：org.apache.spark.ml.clustering
类名：DBSCAN
方法名：fitPredict
输入：Dataset[_]，训练样本数据，必须字段如下。
参数名称

取值类型

缺省值

描述

featuresCol

Vector

features

特征向量
基于原生算法优化的参数。
1 2 3
def setMinPoints(value: Int): DBSCAN.this.type def setEpsilon(value: Double): DBSCAN.this.type def setSampleRate(value: Double): DBSCAN.this.type
1. epsilon为DBSCAN算法的近邻距离参数，取值范围大于0.0。
2. minPoints为DBSCAN算法定义核心点的近邻点个数阈值参数，取值范围大于1。
3. sampleRate为对输入数据的采样率，基于采样数据用来对全量输入数据进行空间划分，取值范围为(0.0, 1.0]，缺省值为1.0，代表默认使用全量输入数据。
  代码接口示例：
  1 2 3 4
  val model = new DBSCAN() .setEpsilon(params.epsilon) .setMinPoints(params.minPoints) .setSampleRate(params.sampleRate)

输出：聚类结果，字段如下。

参数名称

取值类型

缺省值

描述

predictionCol

Int

prediction

该样本所属类别：

对于noise样本，其类别为-1。
对于core样本，其类别为0。
对于border样本，其类别为1。

labelCol

Int

label

该样本所属聚类编号：

对于noise样本，其所属聚类编号默认为-1。
对于core/border样本，其所属聚类编号≥0。

使用样例

val dbscan = new DBSCAN()
      .setEpsilon(0.2)
      .setMinPoints(3)
      .setSampleRate(1.0)
val result = dbscan.fitPredict(trainData)

父主题： 聚类