国产精品农村妇女α片,无码aⅴ岛国在线观看,久久久一本精品免费看

經典邏輯回歸是一個二分類算法，支持稀疏及稠密數據格式。

組件配置

您可以使用以下任意一種方式，配置邏輯回歸二分類組件參數。

方式一：可視化方式

在Designer工作流頁面配置組件參數。

頁簽	參數	描述
字段設置	訓練特征列	輸入數據源中，用于訓練的特征列。支持DOUBLE及BIGINT類型。說明特征數量不能超過兩千萬。
	目標列	輸入數據源中，目標列名稱。
	正類值	無。
	是否稀疏數據	輸入數據是否為稀疏格式。
參數設置	正則項	支持None、L1及L2類型。
	最大迭代次數	默認值為100。
	正則系數	如果正則項為None，則該參數失效。
	最小收斂誤差	默認值為0.000001。
執行調優	核數目	系統自動分配。
執行調優	每個核內存數	系統自動分配。

方式二：PAI命令方式

使用PAI命令方式，配置該組件參數。您可以使用SQL腳本組件進行PAI命令調用，詳情請參見SQL腳本。

PAI -name logisticregression_binary
    -project algo_public
    -DmodelName="xlab_m_logistic_regression_6096"
    -DregularizedLevel="1"
    -DmaxIter="100"
    -DregularizedType="l1"
    -Depsilon="0.000001"
    -DlabelColName="y"
    -DfeatureColNames="pdays,emp_var_rate"
    -DgoodValue="1"
    -DinputTableName="bank_data"

參數名稱	是否必選	參數描述	默認值
inputTableName	是	輸入表的表名。	無
featureColNames	否	輸入表中，用于訓練的特征列名。說明特征數量不能超過兩千萬。	所有數值列
labelColName	是	輸入表的標簽列名。	無
inputTablePartitions	否	輸入表中，參與訓練的分區。系統支持的格式包括： partition_name=value name1=value1/name2=value2：多級分區說明指定多個分區時，分區間使用英文逗號（,）分隔。	全表
modelName	是	輸出的模型名。	無
regularizedType	否	正則化類型，取值范圍為{‘l1’,’l2’,’None’}。	l1
regularizedLevel	否	正則化系數。如果 regularizedType為None，則該參數失效。	1.0
maxIter	否	L-BFGS的最大迭代次數。	100
epsilon	否	收斂誤差。該參數是L-BFGS算法的終止條件，即兩次迭代的log-likelihood之差小于該值，迭代終止。	1.0e-06
goodValue	否	目標基準值。二分類時，指定訓練系數針對的 label值。如果為空，則系統隨機分配。	無
enableSparse	否	輸入數據是否為稀疏格式，取值范圍為{true,false}。	false
itemDelimiter	否	輸入表數據為稀疏格式時，KV對之間的分隔符。	英文逗號（,）
kvDelimiter	否	輸入表數據為稀疏格式時，key和value之間的分隔符。	英文冒號（:）
coreNum	否	核心數量。	系統自動分配
memSizePerCore	否	單個核心使用的內存數，單位為MB。	系統自動分配

PAI使用KV格式表示稀疏數據，如下表所示。其中itemDelimiter表示KV對之間的分隔符，kvDelimiter表示key和value之間的分隔符。

key_value

1:100,4:200,5:300

1:10,2:20,3:30

說明

KV格式使用索引（從0開始）表示key。如果使用字符表示key，則系統報錯。

示例

使用SQL語句，生成訓練數據。

drop table if exists lr_test_input;
create table lr_test_input
as
select
    *
from
(
select
        cast(1 as double) as f0,
        cast(0 as double) as f1,
        cast(0 as double) as f2,
        cast(0 as double) as f3,
        cast(0 as bigint) as label
    union all
        select
            cast(0 as double) as f0,
            cast(1 as double) as f1,
            cast(0 as double) as f2,
            cast(0 as double) as f3,
            cast(0 as bigint) as label
    union all
        select
            cast(0 as double) as f0,
            cast(0 as double) as f1,
            cast(1 as double) as f2,
            cast(0 as double) as f3,
            cast(1 as bigint) as label
    union all
        select
            cast(0 as double) as f0,
            cast(0 as double) as f1,
            cast(0 as double) as f2,
            cast(1 as double) as f3,
            cast(1 as bigint) as label
    union all
        select
            cast(1 as double) as f0,
            cast(0 as double) as f1,
            cast(0 as double) as f2,
            cast(0 as double) as f3,
            cast(0 as bigint) as label
    union all
        select
            cast(0 as double) as f0,
            cast(1 as double) as f1,
            cast(0 as double) as f2,
            cast(0 as double) as f3,
            cast(0 as bigint) as label
) a;

生成的訓練數據表lr_test_input如下。

f0	f1	f2	f3	label
1.0	0.0	0.0	0.0	0
0.0	0.0	1.0	0.0	1
0.0	0.0	0.0	1.0	1
0.0	1.0	0.0	0.0	0
1.0	0.0	0.0	0.0	0
0.0	1.0	0.0	0.0	0

使用PAI命令，提交邏輯回歸二分類組件的訓練參數。

drop offlinemodel if exists lr_test_model;
PAI -name logisticregression_binary
    -project algo_public
    -DmodelName="lr_test_model"
    -DitemDelimiter=","
    -DregularizedLevel="1"
    -DmaxIter="100"
    -DregularizedType="None"
    -Depsilon="0.000001"
    -DkvDelimiter=":"
    -DlabelColName="label"
    -DfeatureColNames="f0,f1,f2,f3"
    -DenableSparse="false"
    -DgoodValue="1"
    -DinputTableName="lr_test_input";

使用PAI命令，提交預測組件參數。更多參數說明，請參見預測。

drop table if exists lr_test_prediction_result;
PAI -name prediction
    -project algo_public
    -DdetailColName="prediction_detail"
    -DmodelName="lr_test_model"
    -DitemDelimiter=","
    -DresultColName="prediction_result"
    -Dlifecycle="28"
    -DoutputTableName="lr_test_prediction_result"
    -DscoreColName="prediction_score"
    -DkvDelimiter=":"
    -DinputTableName="lr_test_input"
    -DenableSparse="false"
    -DappendColNames="label";

查看預測結果表lr_test_prediction_result。

label	prediction_result	prediction_score	prediction_detail
0	0	0.9999998793434426	{“0”: 0.9999998793434426, “1”: 1.206565574533681e-07}
1	1	0.999999799574135	{“0”: 2.004258650156743e-07, “1”: 0.999999799574135}
1	1	0.999999799574135	{“0”: 2.004258650156743e-07, “1”: 0.999999799574135}
0	0	0.9999998793434426	{“0”: 0.9999998793434426, “1”: 1.206565574533681e-07}
0	0	0.9999998793434426	{“0”: 0.9999998793434426, “1”: 1.206565574533681e-07}
0	0	0.9999998793434426	{“0”: 0.9999998793434426, “1”: 1.206565574533681e-07}

日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

組件配置

方式一：可視化方式

方式二：PAI命令方式

示例