线性SVR流预测 (LinearSvrPredictStreamOp)

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

Python 类名：LinearSvrPredictStreamOp

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
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
vectorCol	向量列名	向量列对应的列名，默认值是null	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"]

lsvr = LinearSvrTrainBatchOp()\
        .setFeatureCols(colnames)\
        .setLabelCol("label")\
        .setC(1.0)\
        .setTau(0.01)

model = batchData.link(lsvr)
predictor = LinearSvrPredictStreamOp(model)\
        .setPredictionCol("pred")

predictor.linkFrom(streamData).print()

StreamOperator.execute()

运行结果

y	x1	x2	pred
16.3	1.1	1.1	16.48073043727051
16.8	1.4	1.5	17.236649847389877
19.2	1.7	1.8	18.651637270539197
18.0	1.7	1.7	19.31070528356914
19.5	1.8	1.9	19.123299744922306
20.9	1.8	1.8	19.78236775795225
21.1	1.9	1.8	20.913098245365298
20.9	2.0	2.1	20.066624693688514
20.3	2.3	2.4	21.481612116837834
22.0	2.4	2.5	21.953274591220936