Apache Flink - Aprendizaje automático

La biblioteca de aprendizaje automático de Apache Flink se llama FlinkML. Dado que el uso del aprendizaje automático ha aumentado exponencialmente durante los últimos 5 años, la comunidad de Flink decidió agregar esta APO de aprendizaje automático también en su ecosistema. La lista de contribuyentes y algoritmos está aumentando en FlinkML. Esta API aún no forma parte de la distribución binaria.

Aquí hay un ejemplo de regresión lineal usando FlinkML:

// LabeledVector is a feature vector with a label (class or real value)
val trainingData: DataSet[LabeledVector] = ...
val testingData: DataSet[Vector] = ...

// Alternatively, a Splitter is used to break up a DataSet into training and testing data.
val dataSet: DataSet[LabeledVector] = ...
val trainTestData: DataSet[TrainTestDataSet] = Splitter.trainTestSplit(dataSet)
val trainingData: DataSet[LabeledVector] = trainTestData.training
val testingData: DataSet[Vector] = trainTestData.testing.map(lv => lv.vector)
val mlr = MultipleLinearRegression()

.setStepsize(1.0)
.setIterations(100)
.setConvergenceThreshold(0.001)
mlr.fit(trainingData)

// The fitted model can now be used to make predictions
val predictions: DataSet[LabeledVector] = mlr.predict(testingData)

Dentro flink-1.7.1/examples/batch/ruta, encontrará el archivo KMeans.jar. Ejecutemos este ejemplo de muestra de FlinkML.

Este programa de ejemplo se ejecuta utilizando el punto predeterminado y el conjunto de datos del centroide.

./bin/flink run examples/batch/KMeans.jar --output Print