Java 类名:com.alibaba.alink.operator.stream.classification.LogisticRegressionPredictStreamOp
Python 类名:LogisticRegressionPredictStreamOp

功能介绍

逻辑回归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

面对二分类问题,建立代价函数,然后通过优化方法迭代求解出最优的模型参数,然后测试验证我们这个求解的模型的好坏。Logistic回归虽然名字里带“回归”,
但是它实际上是一种分类方法,主要用于二分类问题(即输出只有两种,分别代表两个类别)回归模型中,y是一个定性变量,比如y=0或1,
logistic方法主要应用于研究某些事件发生的概率。

算法使用

常用于数据挖掘,疾病自动诊断,经济预测等领域。例如,探讨引发疾病的危险因素,并根据危险因素预测疾病发生的概率等。以心脏病病情分析为例,选择两组人群,
一组是心脏病组,一组是非心脏病组,两组人群必定具有不同的属性及身体指标。因此因变量就为是否有心脏病,值为“是”或“否”,自变量就可以包括很多了,
如年龄、性别、最大心跳数、血压、胆固醇、空腹血糖等。自变量既可以是连续的,也可以是分类的。然后通过logistic回归分析,可以得到自变量的权重,
从而可以大致了解到底哪些因素是心脏病的危险因素。同时根据该权值可以根据危险因素预测一个人心脏病的可能性。

文献或出处

[1] Wright, R. E. (1995). Logistic regression. In L. G. Grimm & P. R. Yarnold (Eds.), Reading and understanding multivariate statistics (pp. 217–244). American Psychological Association.
[2] https://baike.baidu.com/item/logistic回归

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 |

| predictionDetailCol | 预测详细信息列名 | 预测详细信息列名 | String | | | |

| 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 *
  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. batchData = BatchOperator.fromDataframe(df_data, schemaStr='f0 int, f1 int, label int')
  15. streamData = StreamOperator.fromDataframe(df_data, schemaStr='f0 int, f1 int, label int')
  16. dataTest = streamData
  17. colnames = ["f0","f1"]
  18. lr = LogisticRegressionTrainBatchOp().setFeatureCols(colnames).setLabelCol("label")
  19. model = batchData.link(lr)
  20. predictor = LogisticRegressionPredictStreamOp(model).setPredictionCol("pred")
  21. predictor.linkFrom(dataTest).print()
  22. StreamOperator.execute()

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

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 |