マルチクラス分類のロジスティック回帰 - Platform For AI

一般的なロジスティック回帰アルゴリズムは、バイナリ分類に使用されます。 Machine Learning Platform for AI (PAI) では、マルチクラス分類にロジスティック回帰アルゴリズムを使用できます。マルチクラス分類のロジスティック回帰コンポーネントは、スパースデータ形式と密データ形式の両方をサポートします。

コンポーネントの設定

次のいずれかの方法を使用して、マルチクラス分類コンポーネントのロジスティック回帰を設定できます。

方法1: パイプラインページでコンポーネントを設定する

Machine Learning Platform for AI (PAI) のMachine Learning Designerのパイプラインページで、マルチクラス分類コンポーネントのロジスティック回帰のパラメーターを設定できます。 Machine Learning Designerは、以前はMachine Learning Studioとして知られていました。下表に、各パラメーターを説明します。

タブ	パラメーター	説明
フィールド設定	トレーニング機能列	トレーニング用にデータソースから選択されたフィーチャ列。 DOUBLE型とBIGINT型の列がサポートされています。説明最大2,000万の機能がサポートされています。
	ターゲット列	入力テーブルの対象列。
	スパース形式	入力データがスパース形式かどうかを指定します。
パラメーター設定	正則化タイプ	有効な値: L1、L2、およびNone。
	最大イテレーション数	反復の最大数。デフォルト値：100
	正則化係数	正則化タイプパラメーターが [なし] に設定されている場合、このパラメーターは無効です。
	最小収束偏差	最小収束偏差。デフォルト値: 0.000001

方法2: PAIコマンドを使用する

PAIコマンドを使用してコンポーネントパラメータを設定します。 SQLスクリプトコンポーネントを使用してPAIコマンドを呼び出すことができます。詳細については、「SQLスクリプト」をご参照ください。

PAI -name logisticregression_multi
    -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"

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。	N/A
featureColNames	不可	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。説明最大2,000万の機能がサポートされています。	数値データ型のすべての列
labelColName	可	入力テーブルから選択されたラベル列の名前。	N/A
inputTablePartitions	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。このパラメーターを次のいずれかの形式で指定します。 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。	フルテーブル
modelName	可	出力モデルの名前。	N/A
regularizedType	不可	正則化タイプ。有効な値: l1、l2、およびNone	l1
regularizedLevel	不可	正則化係数。 regularizedTypeパラメーターがNoneに設定されている場合、このパラメーターは無効です。	1.0
maxIter	不可	制限メモリBFGS (L-BFGS) アルゴリズムの最大反復回数。	100
イプシロン	不可	収束エラー。このパラメータは、L-BFGSアルゴリズムを終了する条件を指定します。 2つの反復間の対数尤度の差がこのパラメータで指定された値より小さい場合、L-BFGSアルゴリズムの反復は終了する。	1.0e-06
enableSparse	不可	入力データがスパース形式かどうかを指定します。有効な値: trueとfalse。	false
itemDelimiter	不可	入力データのデータがスパース形式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。	,
kvDelimiter	不可	入力テーブルのデータがスパース形式の場合にkeyとvalueを区切るために使用される区切り文字。	:
coreNum	不可	コアの数。	システムによって決定される
memSizePerCore	不可	各コアのメモリサイズ。単位：MB。	システムによって決定される

例：

次のSQL文を実行してトレーニングデータを生成します。

drop table if exists multi_lr_test_input;
create table multi_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(2 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
) a;

次の表は、multi_lr_test_inputテーブルで生成されたトレーニングデータを示しています。

f0	f1	f2	f3	ラベル
1.0	0.0	0.0	0.0	0
0.0	0.0	1.0	0.0	2
0.0	0.0	0.0	1.0	1
0.0	1.0	0.0	0.0	0

次のPAIコマンドを実行して、マルチクラス分類コンポーネントのロジスティック回帰のパラメーターを送信します。

multi_lr_test_modelが存在する場合は、オフラインモデルを削除し

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

次のPAIコマンドを実行して、予測コンポーネントのパラメーターを送信します。

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

multi_lr_test_prediction_resultテーブルを表示します。

ラベル	prediction_result	prediction_score	予測_詳細
0	0	0.9999997274902165	{"0": 0.9999997274902165, "1": 2.324679066261573e-07, "2": 2.324679066261569e-07}
0	0	0.9999997274902165	{"0": 0.9999997274902165, "1": 2.324679066261573e-07, "2": 2.324679066261569e-07}
2	2	0.9999999155958832	{"0": 2.018833979850994e-07, "1": 2.324679066261573e-07, "2": 0.9999999155958832}
1	1	0.9999999155958832	{"0": 2.018833979850994e-07、"1": 0.9999999155958832、"2": 2.324679066261569e-07}