Java 类名：com.alibaba.alink.operator.batch.regression.RidgeRegTrainBatchOp
Python 类名：RidgeRegTrainBatchOp

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 | ✓ | | |

| 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

  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. ridge = RidgeRegTrainBatchOp()\
  19.     .setLambda(0.1)\
  20.     .setFeatureCols(["f0","f1"])\
  21.     .setLabelCol("label")
  22. model = batchData.link(ridge)
  24. predictor = RidgeRegPredictBatchOp()\
  25.     .setPredictionCol("pred")
  26. predictor.linkFrom(model, batchData).print()

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.RidgeRegPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.regression.RidgeRegTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import org.junit.Test;
  9. import java.util.Arrays;
  10. import java.util.List;
  12. public class RidgeRegTrainBatchOpTest {
  13.     @Test
  14.     public void testRidgeRegTrainBatchOp() throws Exception {
  15.         List <Row> df = Arrays.asList(
  16.             Row.of(2, 1, 1),
  17.             Row.of(3, 2, 1),
  18.             Row.of(4, 3, 2),
  19.             Row.of(2, 4, 1),
  20.             Row.of(2, 2, 1),
  21.             Row.of(4, 3, 2),
  22.             Row.of(1, 2, 1)
  23.         );
  24.         BatchOperator <?> batchData = new MemSourceBatchOp(df, "f0 int, f1 int, label int");
  25.         BatchOperator <?> ridge = new RidgeRegTrainBatchOp()
  26.             .setLambda(0.1)
  27.             .setFeatureCols("f0", "f1")
  28.             .setLabelCol("label");
  29.         BatchOperator model = batchData.link(ridge);
  30.         BatchOperator <?> predictor = new RidgeRegPredictBatchOp()
  31.             .setPredictionCol("pred");
  32.         predictor.linkFrom(model, batchData).print();
  33.     }
  34. }

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 |