リニアSVM - Platform For AI - Alibaba Cloud ドキュメントセンター

サポートベクターマシン (SVM) は、統計学習理論に基づいて開発された機械学習モデルです。リスクを最小限に抑え、学習マシンの一般化能力を向上させます。このようにして、経験的リスクおよび信頼区間が最小化される。このトピックでは、Linear SVMコンポーネントを設定する方法と、コンポーネントの使用方法の例について説明します。

背景情報

Linear SVMコンポーネントは、カーネル関数を使用して実装されません。このコンポーネントの実装方法の詳細については、「Trust region Newton method For Large-Scale Logistic Regression」の「L2-SVMの信頼領域メソッド」を参照してください。

制限事項

Linear SVMコンポーネントは、バイナリ分類シナリオでのみ使用できます。

コンポーネントの設定

次のいずれかの方法を使用して、Linear SVMコンポーネントを設定できます。

方法1: Machine Learning Designerでコンポーネントを構成する

入力ポート
Linear SVMコンポーネントは、Read Tableコンポーネントに接続する必要がある単一の入力ポートのみをサポートします。

コンポーネントパラメータ

タブ	パラメーター	必須	説明
フィールド設定	フィーチャー列	可	入力テーブルの特性に基づいて選択される入力列。列に含まれるデータは、BIGINT型またはDOUBLE型にすることができます。
フィールド設定	ラベル列	可	入力テーブルの特性に基づいて選択されるラベル列。列に含まれるデータは、BIGINT、DOUBLE、またはSTRINGタイプにすることができます。
パラメーター設定	肯定的なサンプルラベル	不可	客観的な参照値。このパラメーターを指定しない場合、ランダムな値が選択されます。正の例と負の例の差が大きい場合は、このパラメーターを指定することを推奨します。
	正のペナルティファクター	不可	肯定的な例の重み。有効値: (0,+ ∞) デフォルト値 : 1.0
	負のペナルティファクター	不可	負の例の重み。有効値: (0,+ ∞) デフォルト値 : 1.0
	収束係数	不可	収束偏差。有効値: (0,1) デフォルト値: 0.001
チューニング	コア	不可	コンピューティングで使用されるコアの数。このパラメーターが指定されていない場合、システムは自動的にコアを割り当てます。
チューニング	コアあたりのメモリサイズ	不可	各コアのメモリサイズ。このパラメーターが指定されていない場合、システムは自動的に各コアにメモリを割り当てます。単位：MB。

出力ポート
Linear SVMコンポーネントは、出力ポートを使用して、バッチモデルと同じ形式のバイナリモデルを下流の予測コンポーネントに出力します。

方法2: AIコマンド用の機械学習プラットフォームの実行

Machine Learning Platform for AIコマンドを使用してコンポーネントパラメーターを設定します。 SQLスクリプトコンポーネントを使用して、Machine Learning Platform for AIコマンドを実行できます。詳細については、「SQLスクリプト」をご参照ください。

PAI -name LinearSVM -project algo_public
    -DinputTableName="bank_data"
    -DmodelName="xlab_m_LinearSVM_6143"
    -DfeatureColNames="pdays,emp_var_rate,cons_conf_idx"
    -DlabelColName="y"
    -DpositiveLabel="0"
    -DpositiveCost="1.0"
    -DnegativeCost="1.0"
    -Depsilon="0.001";

次の表に、Machine Learning Platform for AIコマンドで使用されるパラメーターを示します。

パラメーター	必須	説明	デフォルト値
inputTableName	可	入力テーブルの名前。	None
inputTableParitions	不可	トレーニング用に入力テーブルから選択されたパーティション。次の形式がサポートされています。 Partition_name=value name1=value1/name2=value2: マルチレベルパーティション説明複数のパーティションを指定する場合は、コンマ (,) で区切ります。	すべてのパーティション
modelName	可	出力モデルの名前。	None
featureColNames	可	トレーニング用に入力テーブルから選択されたフィーチャ列。	None
labelColName	可	入力テーブルのラベル列の名前。	None
positiveLabel	不可	正の例の値。	labelの値から選択されるランダムな値
positiveCost	不可	肯定的な例の重み。また、正のペナルティ要因です。有効値: (0,+ ∞)	1.0
negativeCost	不可	負の例の重み。これは負のペナルティ要因でもあります。有効値: (0,+ ∞)	1.0
イプシロン	不可	収束係数。有効値: (0,1)	0.001
enableSparse	不可	入力データがスパースかどうかを指定します。有効な値は true と false です。	false
itemDelimiter	不可	入力テーブルのデータがスパースの場合にキーと値のペアを区切るために使用される区切り文字。	コンマ (,)
kvDelimiter	不可	入力テーブルのデータがスパースである場合にkeyとvalueを区切るために使用される区切り文字。	コロン (:)
coreNum	不可	コンピューティングで使用されるコアの数。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。	自動割り当て
memSizePerCore	不可	各コアのメモリサイズ。有効な値: 1 ~ 65536 単位：MB。	自動割り当て

例：

次のトレーニングデータを入力として使用します。

id	y	f0	f1	f2	f3	f4	f5	f6	f7
1	-1	-0.294118	0.487437	0.180328	-0.292929	-1	0.00149028	-0.53117	-0.0333333
2	+ 1	-0.882353	-0.145729	0.0819672	-0.414141	-1	-0.207153	-0.766866	-0.666667
3	-1	-0.0588235	0.839196	0.0491803	-1	-1	-0.305514	-0.492741	-0.633333
4	+ 1	-0.882353	-0.105528	0.0819672	-0.535354	-0.777778	-0.162444	-0.923997	-1
5	-1	-1	0.376884	-0.344262	-0.292929	-0.602837	0.28465	0.887276	-0.6
6	+ 1	-0.411765	0.165829	0.213115	-1	-1	-0.23696	-0.894962	-0.7
7	-1	-0.647059	-0.21608	-0.180328	-0.353535	-0.791962	-0.0760059	-0.854825	-0.833333
8	+ 1	0.176471	0.155779	-1	-1	-1	0.052161	-0.952178	-0.733333
9	-1	-0.764706	0.979899	0.147541	-0.0909091	0.283688	-0.0909091	-0.931682	0.0666667
10	-1	-0.0588235	0.256281	0.57377	-1	-1	-1	-0.868488	0.1

次のテストデータを入力として使用します。

id	y	f0	f1	f2	f3	f4	f5	f6	f7
1	+ 1	-0.882353	0.0854271	0.442623	-0.616162	-1	-0.19225	-0.725021	-0.9
2	+ 1	-0.294118	-0.0351759	-1	-1	-1	-0.293592	-0.904355	-0.766667
3	+ 1	-0.882353	0.246231	0.213115	-0.272727	-1	-0.171386	-0.981213	-0.7
4	-1	-0.176471	0.507538	0.278689	-0.414141	-0.702128	0.0491804	-0.475662	0.1
5	-1	-0.529412	0.839196	-1	-1	-1	-0.153502	-0.885568	-0.5
6	+ 1	-0.882353	0.246231	-0.0163934	-0.353535	-1	0.0670641	-0.627669	-1
7	-1	-0.882353	0.819095	0.278689	-0.151515	-0.307329	0.19225	0.00768574	-0.966667
8	+ 1	-0.882353	-0.0753769	0.0163934	-0.494949	-0.903073	-0.418778	-0.654996	-0.866667
9	+ 1	-1	0.527638	0.344262	-0.212121	-0.356974	0.23696	-0.836038	-0.8
10	+ 1	-0.882353	0.115578	0.0163934	-0.737374	-0.56974	-0.28465	-0.948762	-0.933333

次の図に示すパイプラインを作成します。詳細については、「アルゴリズムモデリング」をご参照ください。
Linear SVMコンポーネントの次の表に示すパラメーターを設定します。表に記載されていないパラメーターのデフォルト値を保持します。
タブ
パラメーター
説明
フィールド設定
フィーチャー列
f0、f1、f2、f3、f4、f5、f6、f7列を選択します。
ラベル列
y列を選択します。
パイプラインを実行し、予測結果を表示します。