线性SVR (LinearSvr)

Java 类名：com.alibaba.alink.pipeline.regression.LinearSvr

Python 类名：LinearSvr

功能介绍

• 线性SVR是一个回归算法
• 线性SVR组件支持稀疏、稠密两种数据格式
• 线性SVR组件支持带样本权重的训练

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
C	算法参数	支撑向量回归参数	Double	✓
labelCol	标签列名	输入表中的标签列名	String	✓
predictionCol	预测结果列名	预测结果列名	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[]			null
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
modelFilePath	模型的文件路径	模型的文件路径	String			null
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
overwriteSink	是否覆写已有数据	是否覆写已有数据	Boolean			false
reservedCols	算法保留列名	算法保留列	String[]			null
standardization	是否正则化	是否对训练数据做正则化，默认true	Boolean			true
tau	算法参数	支撑向量回归参数	Double			0.1
vectorCol	向量列名	向量列对应的列名，默认值是null	String			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
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([
    [2, 1, 1],
    [3, 2, 1],
    [4, 3, 2],
    [2, 4, 1],
    [2, 2, 1],
    [4, 3, 2],
    [1, 2, 1],
    [5, 3, 3]])

batchData = BatchOperator.fromDataframe(df, schemaStr='f0 int, f1 int, label int')

colnames = ["f0","f1"]

lsvr = LinearSvr()\
            .setFeatureCols(colnames)\
            .setLabelCol("label")\
            .setPredictionCol("pred")
    
model = lsvr.fit(batchData)

model.transform(batchData).print()

运行结果

f0	f1	label	pred
2	1	1	1.000014
3	2	1	1.538474
4	3	2	2.076934
2	4	1	1.138446
2	2	1	1.046158
4	3	2	2.076934
1	2	1	0.553842
5	3	3	2.569250