Java 类名：com.alibaba.alink.operator.stream.regression.LinearRegPredictStreamOp
Python 类名：LinearRegPredictStreamOp

功能介绍

线性回归算法是经典的回归算法，通过对带有回归值的样本集合训练得到回归模型，使用模型预测样本的回归值。线性回归组件支持稀疏、稠密两种数据格式，并且支持带权重样本训练。

算法原理

面对回归类问题，线性回归利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。

算法使用

线性回归模型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。

文献或出处

[1] Seber, George AF, and Alan J. Lee. Linear regression analysis. John Wiley & Sons, 2012.
[2] https://baike.baidu.com/item/线性回归/8190345?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 | | —- | —- | —- | —- | —- | —- | —- |

| 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 | | 所选列类型为 [DENSE_VECTOR, SPARSE_VECTOR, STRING, VECTOR] | 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

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     [2, 1, 1],
  9.     [3, 2, 1],
  10.     [4, 3, 2],
  11.     [2, 4, 1],
  12.     [2, 2, 1],
  13.     [4, 3, 2],
  14.     [1, 2, 1],
  15.     [5, 3, 3]])
  17. batchData = BatchOperator.fromDataframe(df, schemaStr='f0 int, f1 int, label int')
  18. streamData = StreamOperator.fromDataframe(df, schemaStr='f0 int, f1 int, label int')
  19. colnames = ["f0","f1"]
  20. lr = LinearRegTrainBatchOp()\
  21.             .setFeatureCols(colnames)\
  22.             .setLabelCol("label")
  24. model = batchData.link(lr)
  26. predictor = LinearRegPredictStreamOp(model)\
  27.              .setPredictionCol("pred")
  29. predictor.linkFrom(streamData).print()
  31. StreamOperator.execute()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.regression.LinearRegTrainBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import com.alibaba.alink.operator.stream.StreamOperator;
  7. import com.alibaba.alink.operator.stream.regression.LinearRegPredictStreamOp;
  8. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  9. import org.junit.Test;
  11. import java.util.Arrays;
  12. import java.util.List;
  14. public class LinearRegPredictStreamOpTest {
  15.     @Test
  16.     public void testLinearRegPredictStreamOp() throws Exception {
  17.         List <Row> df = Arrays.asList(
  18.             Row.of(2, 1, 1),
  19.             Row.of(3, 2, 1),
  20.             Row.of(4, 3, 2),
  21.             Row.of(2, 4, 1),
  22.             Row.of(2, 2, 1),
  23.             Row.of(4, 3, 2),
  24.             Row.of(1, 2, 1)
  25.         );
  26.         BatchOperator <?> batchData = new MemSourceBatchOp(df, "f0 int, f1 int, label int");
  27.         StreamOperator <?> streamData = new MemSourceStreamOp(df, "f0 int, f1 int, label int");
  28.         String[] colnames = new String[] {"f0", "f1"};
  29.         BatchOperator <?> lr = new LinearRegTrainBatchOp()
  30.             .setFeatureCols(colnames)
  31.             .setLabelCol("label");
  32.         BatchOperator <?> model = batchData.link(lr);
  33.         StreamOperator <?> predictor = new LinearRegPredictStreamOp(model)
  34.             .setPredictionCol("pred");
  35.         predictor.linkFrom(streamData).print();
  36.         StreamOperator.execute();
  37.     }
  38. }

运行结果

| f0 | f1 | label | pred | | —- | —- | —- | —- |

| 2 | 4 | 1 | 1.1765 |

| 2 | 1 | 1 | 1.0000 |

| 3 | 2 | 1 | 1.4118 |

| 4 | 3 | 2 | 1.8235 |

| 4 | 3 | 2 | 1.8235 |

| 1 | 2 | 1 | 0.7059 |

| 2 | 2 | 1 | 1.0588 |