Java 类名:com.alibaba.alink.pipeline.regression.RidgeRegression
Python 类名:RidgeRegression
功能介绍
岭回归(Ridge regression)算法是一种经典的回归算法。岭回归组件支持稀疏、稠密两种数据格式,并且支持带权重样本训练。
算法原理
岭回归是一种专用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的拟合要强于最小二乘法。
算法使用
岭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] Hoerl, Arthur E., and Robert W. Kennard. “Ridge regression: Biased estimation for nonorthogonal problems.” Technometrics 12.1 (1970): 55-67.
[2] https://baike.baidu.com/item/岭回归/554917?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 | ✓ | ||
predictionCol | 预测结果列名 | 预测结果列名 | 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[] | null | ||
maxIter | 最大迭代步数 | 最大迭代步数,默认为 100 | Integer | [1, +inf) | 100 | |
modelFilePath | 模型的文件路径 | 模型的文件路径 | String | null | ||
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 | |
overwriteSink | 是否覆写已有数据 | 是否覆写已有数据 | Boolean | false | ||
reservedCols | 算法保留列名 | 算法保留列 | String[] | 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 | 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 | ||
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([
[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')
colnames = ["f0","f1"]
ridge = RidgeRegression()\
.setFeatureCols(colnames)\
.setLambda(0.1)\
.setLabelCol("label")\
.setPredictionCol("pred")
model = ridge.fit(batchData)
model.transform(batchData).print()
Java 代码
import org.apache.flink.types.Row;
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import com.alibaba.alink.pipeline.regression.RidgeRegression;
import com.alibaba.alink.pipeline.regression.RidgeRegressionModel;
import org.junit.Test;
import java.util.Arrays;
import java.util.List;
public class RidgeRegressionTest {
@Test
public void testRidgeRegression() 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)
);
BatchOperator <?> batchData = new MemSourceBatchOp(df, "f0 int, f1 int, label int");
String[] colnames = new String[] {"f0", "f1"};
RidgeRegression ridge = new RidgeRegression()
.setFeatureCols(colnames)
.setLambda(0.1)
.setLabelCol("label")
.setPredictionCol("pred");
RidgeRegressionModel model = ridge.fit(batchData);
model.transform(batchData).print();
}
}
运行结果
| f0 | f1 | label | pred | | —- | —- | —- | —- |
| 2 | 1 | 1 | 0.8849 |
| 3 | 2 | 1 | 1.2828 |
| 4 | 3 | 2 | 1.6807 |
| 2 | 4 | 1 | 1.1334 |
| 2 | 2 | 1 | 0.9678 |
| 4 | 3 | 2 | 1.6807 |
| 1 | 2 | 1 | 0.6527 |