• 支持向量机算法
    • 功能介绍
    • 参数说明
    • 脚本示例
      • 运行脚本
      • 运行结果
  • 备注

    支持向量机算法

    功能介绍

    • 支持向量机是一个二分类算法
    • 支持向量机组件支持稀疏、稠密两种数据格式
    • 支持带样本权重的训练

    参数说明

    名称 中文名称 描述 类型 是否必须？ 默认值
    C 惩罚项系数 支持向量机算法参数 Double 1.0
    optimMethod 优化方法 优化问题求解时选择的优化方法 String null
    withIntercept 是否有常数项 是否有常数项，默认true Boolean true
    maxIter 最大迭代步数 最大迭代步数，默认为 100 Integer 100
    epsilon 收敛阈值 迭代方法的终止判断阈值，默认值为 1.0e-6 Double 1.0E-6
    featureCols 特征列名数组 特征列名数组，默认全选 String[] null
    labelCol 标签列名 输入表中的标签列名 String ✓
    weightCol 权重列名 权重列对应的列名 String null
    vectorCol 向量列名 向量列对应的列名，默认值是null String null
    standardization 是否正则化 是否对训练数据做正则化，默认true Boolean true

    脚本示例

    运行脚本

    1. import numpy as np
    2. import pandas as pd
    3. data = np.array([
    4.     [2, 1, 1],
    5.     [3, 2, 1],
    6.     [4, 3, 2],
    7.     [2, 4, 1],
    8.     [2, 2, 1],
    9.     [4, 3, 2],
    10.     [1, 2, 1],
    11.     [5, 3, 2]])
    12. df = pd.DataFrame({"f0": data[:, 0], 
    13.                    "f1": data[:, 1],
    14.                    "label": data[:, 2]})
    16. input = dataframeToOperator(df, schemaStr='f0 int, f1 int, label int', op_type='batch')
    17. dataTest = input
    18. colnames = ["f0","f1"]
    19. svm = LinearSvmTrainBatchOp().setFeatureCols(colnames).setLabelCol("label")
    20. model = input.link(svm)
    22. predictor = LinearSvmPredictBatchOp().setPredictionCol("pred")
    23. predictor.linkFrom(model, dataTest).print()

    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。