线性回归Stepwise训练 (LinearRegStepwiseTrainBatchOp)

Java 类名：com.alibaba.alink.operator.batch.regression.LinearRegStepwiseTrainBatchOp

Python 类名：LinearRegStepwiseTrainBatchOp

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
featureCols	特征列名	特征列名，必选	String[]	✓	所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT]
labelCol	标签列名	输入表中的标签列名	String	✓
method	回归统计的方法	可取值包括：stepwise，forward，backward	String		“Stepwise”, “Forward”, “Backward”	“Forward”

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='y double, x1 double, x2 double')

lrs = LinearRegStepwiseTrainBatchOp()\
    .setFeatureCols(["x1", "x2"])\
    .setLabelCol("y")\
    .setMethod("Forward")

model = batchData.link(lrs)

predictor = LinearRegStepwisePredictBatchOp()\
    .setPredictionCol("pred")

predictor.linkFrom(model, batchData).print()

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