Platform For AI:Lasso Regressionトレーニング

制限事項

MaxCompute、Realtime Compute for Apache Flink、またはPlatform for AI (PAI) のディープラーニングコンテナ (DLC) のいずれかのコンピューティングリソースにのみ基づいて、リッジ回帰トレーニングコンポーネントを使用できます。

LASSOのしくみ

LASSOはペナルティ関数を作成し、より洗練されたモデルを取得します。 LASSOは、一部の回帰係数を縮小し、特定の回帰係数をゼロに設定できます。 係数が縮小される場合、係数の絶対値の合計は、固定値未満である。 このように、LASSOはサブセット縮小の有益な機能を保持し、多重共線性データにバイアス推定を実装します。

PAIコンソールでコンポーネントを設定する

• 入力ポート

  入力ポート (左から右)	データ型	推奨上流コンポーネント	必須
  data	None	読み取りテーブル 特徴工学 データ前処理	可
  モデル	LASSOモデル (増分トレーニング用)	Read Table (モデルデータの読み取り用) Lasso Regression Training	不可

• コンポーネントパラメータ

  タブ	パラメーター	説明
  フィールド設定	labelCol	入力テーブルのラベル列の名前。
  	featureCols	vectorColパラメーターを設定した場合、このパラメーターは設定できません。 トレーニングに使用されるフィーチャ列。 説明 featureColとvectorColパラメーターは相互に排他的です。 そのうちの1つだけを使用して、アルゴリズムの入力フィーチャを記述できます。
  	vectorCol	featureColsパラメーターを設定した場合、このパラメーターは設定できません。 ベクトル列の名前。 説明 featureColとvectorColパラメーターは相互に排他的です。 そのうちの1つだけを使用して、アルゴリズムの入力フィーチャを記述できます。
  	weightCol	重み列の名前。
  パラメーター設定	ラムダ	ダブルタイプの正則化係数。
  	イプシロン	イテレーションが停止する前にトレーニング結果から得られる値。 デフォルト値: 1.0E-6。
  	LearningRate	モデルトレーニング中のパラメータ更新速度。 デフォルト値: 0.1
  	maxIter	反復の最大数。 デフォルト値：100
  	optimMethod	問題解決を改善するために使用される最適化方法。 有効な値： LBFGS GD ニュートン SGD OWLQN
  実行チューニング	数の労働者	コアの数。 このパラメーターは、Memory per worker, unit MBパラメーターと一緒に使用する必要があります。 このパラメーターの値は正の整数でなければなりません。 有効な値: [1,9999] 。
  	ワーカあたりのメモリ、単位MB	各ワーカーのメモリサイズ。 有効な値: 1024〜65536。 単位：MB。

• 出力ポート

  出力ポート	データ型	下流コンポーネント
  モデル	Regression model	なげなわ回帰予測
  モデル情報	None	None
  特徴の重要性	None	None
  リニアモデル重量	None	None

コーディングによるコンポーネントの設定

from pyalink.alink import *

def main(sources, sinks, parameter):
    batchData = sources[0]
    ridge = LassoRegTrainBatchOp()\
        .setLambda(0.1)\
        .setFeatureCols(["f0","f1"])\
        .setLabelCol("label")
    model = batchData.link(ridge)
    model.link(sinks[0])
    BatchOperator.execute()