使用限制

支持的計算引擎為MaxCompute、Flink或DLC。

算法原理

Lasso回歸算法通過構造一個懲罰函數(shù)，得到一個較為精煉的模型。使得它壓縮一些回歸系數(shù)，即強制系數(shù)絕對值之和小于某個固定值，同時設定一些回歸系數(shù)為0。因此保留了子集收縮的優(yōu)點，是一種處理具有復共線性數(shù)據(jù)的有偏估計。

可視化配置組件參數(shù)

• 輸入樁

  輸入樁（從左到右）	數(shù)據(jù)類型	建議上游組件	是否必選
  預測輸入模型	無	Lasso回歸訓練	是
  預測輸入數(shù)據(jù)	無	讀數(shù)據(jù)表 特征工程 數(shù)據(jù)預處理	是

• 組件參數(shù)

  頁簽	參數(shù)	描述
  字段設置	算法保留列名	選擇算法保留列的名稱。
  	向量列名	向量列對應的列名稱。
  參數(shù)設置	預測結(jié)果列名	預測結(jié)果列的列名稱。
  	組件多線程線程個數(shù)	組件多線程的線程個數(shù)，默認為1。
  執(zhí)行調(diào)優(yōu)	節(jié)點個數(shù)	與單個節(jié)點內(nèi)存大小參數(shù)配對使用。取值為[1, 9999]的正整數(shù)。
  	單個節(jié)點內(nèi)存大小，單位M	取值范圍為1024 MB~64*1024 MB。

通過代碼方式配置組件

from pyalink.alink import *

def main(sources, sinks, parameter):
    model = sources[0]
    batchData = sources[1]

    predictor = LassoRegPredictBatchOp()\
        .setPredictionCol("pred")
    result = predictor.linkFrom(model, batchData)
    result.link(sinks[0])
    BatchOperator.execute()