如何用对象突变Scala方式编写for循环？

Question

我需要在Scala中编写一个带有对象突变的for循环。 在机器学习中，当进行聚类（将样本分配到最佳的独立组中）时，为了确定一组中的最佳组数，将使用不同的组号运行聚类算法，并为每个组号计算一些误差度量。 最佳组数是组数图使误差度量成为弯头的地方。 在Spark ML库中， KMeans对象用于集群，其中组号作为参数传递。 因此，我计算误差度量以绘制肘图，如下所示：

var baseClusterer = new KMeans()
                   .setFeaturesCol("scaledFeatures")
                   .setPredictionCol("clusters")
                   .setSeed(0)


2 to 10 map {
   baseClusterer = baseClusterer.setK(k)
   baseClusterer.fit(scaledDF).computeCost(scaledDF)
}

我必须将Clusterer对象声明为var，并在每次迭代时对其进行变异。 有没有更多的scala方式来写这个？

Answer 1

您可以避免var这样做：

2 to 10 map { k =>
     baseClusterer.setK(k).fit(scaledDF).computeCost(scaledDF)
}

Answer 2

注意：此版本是根据注释从原始版本修改而来的

如果要对其他数据重复此操作，则可能需要考虑创建一个集群列表，然后使用该列表：

val clusterers = (2 to 10).map(k =>
  new KMeans()
    .setFeaturesCol("scaledFeatures")
    .setPredictionCol("clusters")
    .setSeed(0)
    .setk(k)
)

val costs = clusterers.map(_.fit(scaledDF).computeCost(scaledDF))

但是请参阅@BogdanVakulenko的答案，以找到重写原始版本的好方法。

还要注意，最好将相同的k多次与不同的setSeed值一起使用，以避免局部最小值。

Answer 3

如果我正确理解您的逻辑，也许您可​​以使用foldLeft，在该方法中，每个循环都将返回修改/更新的对象，如下所示：

val finalClusterer = (2 to 10).foldLeft(baseClusterer) { (accum, elem) =>
    val newClusterer = accum.copy(k = k)
    newClusterer.fit(scaledDF).computeCost(scaledDF)
}

这样一来，您最终将获得一个“ finalClusterer”，在其中始终以基数为原点进行操作。

编辑：我的代码使用baseClusterer作为案例类，因此复制方法。 如果您没有它，因为它似乎是一个Java类，也许您可​​以创建一个充当包装器的隐式类，然后可以在其中定义这样的方法，如下所示：

implicit class ClustererWrapper {
    def copy {
    ...
    }
}