Java 类名:com.alibaba.alink.operator.batch.regression.LassoRegTrainBatchOp
Python 类名:LassoRegTrainBatchOp
功能介绍
Lasso回归算法是由1996年Robert Tibshirani首次提出。是一种经典的回归算法。Lasso回归组件支持稀疏、稠密两种数据格式,并且支持带权重样本训练。
算法原理
Lasso回归算法通过构造一个惩罚函数得到一个较为精炼的模型,使得它压缩一些回归系数,即强制系数绝对值之和小于某个固定值;同时设定一些回归系数为零。因此保留了子集收缩的优点,是一种处理具有复共线性数据的有偏估计。
算法使用
Lasso回归模型应用领域和线性回归类似,经常被用来做一些数值型变量的预测,类似房价预测、销售量预测、贷款额度预测、温度预测、适度预测等。
- 备注 :该组件训练的时候 FeatureCols 和 VectorCol 是两个互斥参数,只能有一个参数来描述算法的输入特征。
文献或出处
[1] Tibshirani, Robert. “Regression shrinkage and selection via the lasso.” Journal of the Royal Statistical Society: Series B (Methodological) 58.1 (1996): 267-288.
[2] https://baike.baidu.com/item/LASSO/20366865?fr=aladdin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 | | —- | —- | —- | —- | —- | —- | —- |
| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |
| lambda | 希腊字母:lambda | 惩罚因子,必选 | Double | ✓ | | |
| epsilon | 收敛阈值 | 迭代方法的终止判断阈值,默认值为 1.0e-6 | Double | | [0.0, +inf) | 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 |
| maxIter | 最大迭代步数 | 最大迭代步数,默认为 100 | Integer | | [1, +inf) | 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 |
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')
lasso = LassoRegTrainBatchOp()\
.setLambda(0.1)\
.setFeatureCols(["f0","f1"])\
.setLabelCol("label")
model = batchData.link(lasso)
predictor = LassoRegPredictBatchOp()\
.setPredictionCol("pred")
predictor.linkFrom(model, batchData).print()
Java 代码
import org.apache.flink.types.Row;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.regression.LassoRegPredictBatchOp;
import com.alibaba.alink.operator.batch.regression.LassoRegTrainBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;
import java.util.Arrays;
import java.util.List;
public class LassoRegTrainBatchOpTest {
@Test
public void testLassoRegTrainBatchOp() throws Exception {
List <Row> df = 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, 3)
);
BatchOperator <?> batchData = new MemSourceBatchOp(df, "f0 int, f1 int, label int");
BatchOperator <?> lasso = new LassoRegTrainBatchOp()
.setLambda(0.1)
.setFeatureCols("f0", "f1")
.setLabelCol("label");
BatchOperator model = batchData.link(lasso);
BatchOperator <?> predictor = new LassoRegPredictBatchOp()
.setPredictionCol("pred");
predictor.linkFrom(model, batchData).print();
}
}
运行结果
| f0 | f1 | label | pred | | —- | —- | —- | —- |
| 2 | 1 | 1 | 0.830304 |
| 3 | 2 | 1 | 1.377312 |
| 4 | 3 | 2 | 1.924320 |
| 2 | 4 | 1 | 1.159119 |
| 2 | 2 | 1 | 0.939909 |
| 4 | 3 | 2 | 1.924320 |
| 1 | 2 | 1 | 0.502506 |
| 5 | 3 | 3 | 2.361724 |