Java 类名:com.alibaba.alink.operator.batch.classification.LinearSvmTrainBatchOp
Python 类名:LinearSvmTrainBatchOp
线性SVM算法是经典的二分类算法,通过对打标签样本集合训练得到模型,使用模型预测样本的标签。逻辑回归组件支持稀疏、稠密两种数据格式。
SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险,是一个具有稀疏性
和稳健性的分类器。
SVM在各领域的模式识别问题中有应用,包括人像识别、文本分类、手写字符识别、生物信息学等。
[1] Vapnik, V.Statistical learning theory. 1998 (Vol. 3). .New York, NY:Wiley,1998:Chapter 10-11, pp.401-492.
名称 | 中文名称 | 描述 | 类型 | 是否必须? | 取值范围 | 默认值 |
---|---|---|---|---|---|---|
labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | ||
epsilon | 收敛阈值 | 迭代方法的终止判断阈值,默认值为 1.0e-6 | Double | x >= 0.0 | 1.0E-6 | |
featureCols | 特征列名数组 | 特征列名数组,默认全选 | String[] | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null | |
l1 | L1 正则化系数 | L1 正则化系数,默认为0。 | Double | x >= 0.0 | 0.0 | |
l2 | L2 正则化系数 | L2 正则化系数,默认为0。 | Double | x >= 0.0 | 0.0 | |
learningRate | 学习率 | 优化算法的学习率,默认0.1。 | Double | 0.1 | ||
maxIter | 最大迭代步数 | 最大迭代步数,默认为 100 | Integer | x >= 1 | 100 | |
optimMethod | 优化方法 | 优化问题求解时选择的优化方法 | String | “LBFGS”, “GD”, “Newton”, “SGD”, “OWLQN” | null | |
standardization | 是否正则化 | 是否对训练数据做正则化,默认true | Boolean | true | ||
vectorCol | 向量列名 | 向量列对应的列名,默认值是null | String | 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR] | null | |
weightCol | 权重列名 | 权重列对应的列名 | String | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null | |
withIntercept | 是否有常数项 | 是否有常数项,默认true | Boolean | true |
from pyalink.alink import * import pandas as pd useLocalEnv(1) df_data = pd.DataFrame([ [2, 1, 1], [3, 2, 1], [4, 3, 2], [2, 4, 1], [2, 2, 1], [4, 3, 2], [1, 2, 1], [5, 3, 2] ]) input = BatchOperator.fromDataframe(df_data, schemaStr='f0 int, f1 int, label int') dataTest = input colnames = ["f0","f1"] svm = LinearSvmTrainBatchOp().setFeatureCols(colnames).setLabelCol("label") model = input.link(svm) predictor = LinearSvmPredictBatchOp().setPredictionCol("pred") predictor.linkFrom(model, dataTest).print()
import org.apache.flink.types.Row; import com.alibaba.alink.operator.batch.BatchOperator; import com.alibaba.alink.operator.batch.classification.LinearSvmPredictBatchOp; import com.alibaba.alink.operator.batch.classification.LinearSvmTrainBatchOp; import com.alibaba.alink.operator.batch.source.MemSourceBatchOp; import org.junit.Test; import java.util.Arrays; import java.util.List; public class LinearSvmTrainBatchOpTest { @Test public void testLinearSvmTrainBatchOp() throws Exception { List <Row> df_data = Arrays.asList( Row.of(2, 1, 1), Row.of(3, 2, 1), Row.of(4, 3, 2), Row.of(2, 4, 1), Row.of(2, 2, 1), Row.of(4, 3, 2), Row.of(1, 2, 1), Row.of(5, 3, 2) ); BatchOperator <?> input = new MemSourceBatchOp(df_data, "f0 int, f1 int, label int"); BatchOperator dataTest = input; BatchOperator <?> svm = new LinearSvmTrainBatchOp().setFeatureCols("f0", "f1").setLabelCol("label"); BatchOperator model = input.link(svm); BatchOperator <?> predictor = new LinearSvmPredictBatchOp().setPredictionCol("pred"); predictor.linkFrom(model, dataTest).print(); } }
f0 | f1 | label | pred |
---|---|---|---|
2 | 1 | 1 | 1 |
3 | 2 | 1 | 1 |
4 | 3 | 2 | 2 |
2 | 4 | 1 | 1 |
2 | 2 | 1 | 1 |
4 | 3 | 2 | 2 |
1 | 2 | 1 | 1 |
5 | 3 | 2 | 2 |