线性回归Stepwise流预测 (LinearRegStepwisePredictStreamOp)

Java 类名：com.alibaba.alink.operator.stream.regression.LinearRegStepwisePredictStreamOp

Python 类名：LinearRegStepwisePredictStreamOp

功能介绍

• Stepwise回归是一个回归算法
• Stepwise回归组件仅支持稠密数据格式

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
predictionCol	预测结果列名	预测结果列名	String	✓
modelFilePath	模型的文件路径	模型的文件路径	String			null
reservedCols	算法保留列名	算法保留列	String[]			null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1
modelStreamFilePath	模型流的文件路径	模型流的文件路径	String			null
modelStreamScanInterval	扫描模型路径的时间间隔	描模型路径的时间间隔，单位秒	Integer			10
modelStreamStartTime	模型流的起始时间	模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s)	String			null

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df = pd.DataFrame([
            [16.3, 1.1, 1.1],
            [16.8, 1.4, 1.5],
            [19.2, 1.7, 1.8],
            [18.0, 1.7, 1.7],
            [19.5, 1.8, 1.9],
            [20.9, 1.8, 1.8],
            [21.1, 1.9, 1.8],
            [20.9, 2.0, 2.1],
            [20.3, 2.3, 2.4],
            [22.0, 2.4, 2.5]])

batchData = BatchOperator.fromDataframe(df, schemaStr='f0 double, f1 double, label double')
streamData = StreamOperator.fromDataframe(df, schemaStr='f0 double, f1 double, label double')

colnames = ["f0", "f1"]

lrs = LinearRegStepwiseTrainBatchOp()\
            .setFeatureCols(colnames)\
            .setLabelCol("label")\
            .setMethod("Forward")

model = batchData.link(lrs)

predictor = LinearRegStepwisePredictStreamOp(model)\
            .setPredictionCol("pred")

predictor.linkFrom(streamData).print()

StreamOperator.execute()

运行结果

y	x1	x2	pred
16.3	1.1	1.1	16.380060195635785
16.8	1.4	1.5	17.698344620015032
19.2	1.7	1.8	19.01662904439428
18.0	1.7	1.7	19.01662904439428
19.5	1.8	1.9	19.456057185854025
20.9	1.8	1.8	19.456057185854025
21.1	1.9	1.8	19.89548532731377
20.9	2.0	2.1	20.33491346877352
20.3	2.3	2.4	21.653197893152765
22.0	2.4	2.5	22.092626034612515