• Ftrl 在线预测
    • 算法介绍
    • 参数说明
    • 脚本示例
      • 运行脚本
      • 运行结果

    Ftrl 在线预测

    算法介绍

    实时更新ftrl 训练得到的模型流，并使用实时的模型对实时的数据进行预测。

    参数说明

    名称 中文名称 描述 类型 是否必须？ 默认值
    vectorCol 向量列名 向量列对应的列名，默认值是null String null
    reservedCols 算法保留列名 算法保留列 String[] null
    predictionCol 预测结果列名 预测结果列名 String ✓
    predictionDetailCol 预测详细信息列名 预测详细信息列名 String

    脚本示例

    运行脚本

    1.  data = np.array([
    2.     [2, 1, 1],
    3.     [3, 2, 1],
    4.     [4, 3, 2],
    5.     [2, 4, 1],
    6.     [2, 2, 1],
    7.     [4, 3, 2],
    8.     [1, 2, 1],
    9.     [5, 3, 2]])
    10. df = pd.DataFrame({"f0": data[:, 0], 
    11.                    "f1": data[:, 1],
    12.                    "label": data[:, 2]})
    14. batchData = dataframeToOperator(df, schemaStr='f0 int, f1 int, label int', op_type='batch')
    15. streamData = dataframeToOperator(df, schemaStr='f0 int, f1 int, label int', op_type='stream')
    17. model = LogisticRegressionTrainBatchOp() \
    18.             .setFeatureCols(["f0", "f1"]) \
    19.             .setLabelCol("label") \
    20.             .setMaxIter(5).linkFrom(batchData);
    23. models = FtrlTrainStreamOp(model) \
    24.             .setFeatureCols(["f0", "f1"]) \
    25.             .setLabelCol("label") \
    26.             .setTimeInterval(1) \
    27.             .setAlpha(0.1) \
    28.             .setBeta(0.1) \
    29.             .setL1(0.1) \
    30.             .setL2(0.1).setVectorSize(2).setWithIntercept(True) \
    31.             .linkFrom(streamData);
    33. FtrlPredictStreamOp(model) \
    34.         .setPredictionCol("pred") \
    35.         .setReservedCols(["label"]) \
    36.         .setPredictionDetailCol("details") \
    37.         .linkFrom(models, streamData).print()
    38. StreamOperator.execute()

    运行结果

    1. label    pred    details
    2. 1    1    {"1":"0.9999917437501057","2":"8.2562498943117...
    3. 1    1    {"1":"0.965917838185468","2":"0.03408216181453...
    4. 2    2    {"1":"0.00658782416074899","2":"0.993412175839...
    5. 1    1    {"1":"0.9810760570397847","2":"0.0189239429602...
    6. 1    1    {"1":"0.9998904582473768","2":"1.0954175262323...
    7. 2    2    {"1":"0.00658782416074899","2":"0.993412175839...
    8. 1    1    {"1":"0.9999996598523875","2":"3.4014761252088...
    9. 2    2    {"1":"2.0589409516880153E-5","2":"0.9999794105...

    ```