该文档涉及的组件

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