• 功能介绍
  • 参数说明
  • 脚本示例
    • 脚本代码
    • 脚本运行结果
      • 模型结果
      • 预测结果

    功能介绍

    保序回归在观念上是寻找一组非递减的片段连续线性函数（piecewise linear continuous functions），即保序函数，使其与样本尽可能的接近。

    参数说明

    名称 中文名称 描述 类型 是否必须？ 默认值
    predictionCol 预测结果列名 预测结果列名 String ✓

    脚本示例

    脚本代码

    1. data = np.array([[0.35, 1],\
    2. [0.6, 1],\
    3. [0.55, 1],\
    4. [0.5, 1],\
    5. [0.18, 0],\
    6. [0.1, 1],\
    7. [0.8, 1],\
    8. [0.45, 0],\
    9. [0.4, 1],\
    10. [0.7, 0],\
    11. [0.02, 1],\
    12. [0.3, 0],\
    13. [0.27, 1],\
    14. [0.2, 0],\
    15. [0.9, 1]])
    17. df = pd.DataFrame({"feature" : data[:,0], "label" : data[:,1]})
    18. data = dataframeToOperator(df, schemaStr="label double, feature double",op_type="batch")
    19. dataStream = dataframeToOperator(df, schemaStr="label double, feature double",op_type="stream")
    20. trainOp = IsotonicRegTrainBatchOp()\
    21.             .setFeatureCol("feature")\
    22.             .setLabelCol("label")
    23. model = trainOp.linkFrom(data)
    24. predictOp = IsotonicRegPredictStreamOp(model).setPredictionCol("result")
    25. res = predictOp.linkFrom(dataStream)
    26. res.print()

    脚本运行结果

    模型结果
    model_id model_info
    0 {“vectorCol”:”\”col2\””,”featureIndex”:”0”,”featureCol”:null}
    1048576 [0.02,0.3,0.35,0.45,0.5,0.7]
    2097152 [0.5,0.5,0.6666666865348816,0.6666666865348816,0.75,0.75]
    预测结果
    col1 col2 col3 pred
    1.0 0.9 1.0 0.75
    0.0 0.7 1.0 0.75
    1.0 0.35 1.0 0.6666666865348816
    1.0 0.02 1.0 0.5
    1.0 0.27 1.0 0.5
    1.0 0.5 1.0 0.75
    0.0 0.18 1.0 0.5
    0.0 0.45 1.0 0.6666666865348816
    1.0 0.8 1.0 0.75
    1.0 0.6 1.0 0.75
    1.0 0.4 1.0 0.6666666865348816
    0.0 0.3 1.0 0.5
    1.0 0.55 1.0 0.75
    0.0 0.2 1.0 0.5
    1.0 0.1 1.0 0.5