Java 类名:com.alibaba.alink.operator.batch.classification.LinearSvmTrainBatchOp
Python 类名:LinearSvmTrainBatchOp

功能介绍

线性SVM算法是经典的二分类算法,通过对打标签样本集合训练得到模型,使用模型预测样本的标签。逻辑回归组件支持稀疏、稠密两种数据格式。

算法原理

SVM使用铰链损失函数(hinge loss)计算经验风险(empirical risk)并在求解系统中加入了正则化项以优化结构风险,是一个具有稀疏性
和稳健性的分类器。

算法使用

SVM在各领域的模式识别问题中有应用,包括人像识别、文本分类、手写字符识别、生物信息学等。

  • 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

    [1] Vapnik, V.Statistical learning theory. 1998 (Vol. 3). .New York, NY:Wiley,1998:Chapter 10-11, pp.401-492.

    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 | ✓ | | |

| 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 |

| l1 | L1 正则化系数 | L1 正则化系数,默认为0。 | Double | | [0.0, +inf) | 0.0 |

| l2 | 正则化系数 | L2 正则化系数,默认为0。 | Double | | [0.0, +inf) | 0.0 |

| 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

  1. from pyalink.alink import *
  2. import pandas as pd
  3. useLocalEnv(1)
  4. df_data = pd.DataFrame([
  5. [2, 1, 1],
  6. [3, 2, 1],
  7. [4, 3, 2],
  8. [2, 4, 1],
  9. [2, 2, 1],
  10. [4, 3, 2],
  11. [1, 2, 1],
  12. [5, 3, 2]
  13. ])
  14. input = BatchOperator.fromDataframe(df_data, schemaStr='f0 int, f1 int, label int')
  15. dataTest = input
  16. colnames = ["f0","f1"]
  17. svm = LinearSvmTrainBatchOp().setFeatureCols(colnames).setLabelCol("label")
  18. model = input.link(svm)
  19. predictor = LinearSvmPredictBatchOp().setPredictionCol("pred")
  20. predictor.linkFrom(model, dataTest).print()

Java 代码

  1. import org.apache.flink.types.Row;
  2. import com.alibaba.alink.operator.batch.BatchOperator;
  3. import com.alibaba.alink.operator.batch.classification.LinearSvmPredictBatchOp;
  4. import com.alibaba.alink.operator.batch.classification.LinearSvmTrainBatchOp;
  5. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  6. import org.junit.Test;
  7. import java.util.Arrays;
  8. import java.util.List;
  9. public class LinearSvmTrainBatchOpTest {
  10. @Test
  11. public void testLinearSvmTrainBatchOp() throws Exception {
  12. List <Row> df_data = Arrays.asList(
  13. Row.of(2, 1, 1),
  14. Row.of(3, 2, 1),
  15. Row.of(4, 3, 2),
  16. Row.of(2, 4, 1),
  17. Row.of(2, 2, 1),
  18. Row.of(4, 3, 2),
  19. Row.of(1, 2, 1),
  20. Row.of(5, 3, 2)
  21. );
  22. BatchOperator <?> input = new MemSourceBatchOp(df_data, "f0 int, f1 int, label int");
  23. BatchOperator dataTest = input;
  24. BatchOperator <?> svm = new LinearSvmTrainBatchOp().setFeatureCols("f0", "f1").setLabelCol("label");
  25. BatchOperator model = input.link(svm);
  26. BatchOperator <?> predictor = new LinearSvmPredictBatchOp().setPredictionCol("pred");
  27. predictor.linkFrom(model, dataTest).print();
  28. }
  29. }

运行结果

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

| 2 | 1 | 1 | 1 |

| 3 | 2 | 1 | 1 |

| 4 | 3 | 2 | 2 |

| 2 | 4 | 1 | 1 |

| 2 | 2 | 1 | 1 |

| 4 | 3 | 2 | 2 |

| 1 | 2 | 1 | 1 |

| 5 | 3 | 2 | 2 |

备注

  1. 该组件的输入为训练数据,输出为SVM模型。
  2. 参数数据库的使用方式可以覆盖多个参数的使用方式。