Platform For AI：Lasso迴歸預測

使用限制

支援的計算引擎為MaxCompute、Flink或DLC。

演算法原理

Lasso迴歸演算法通過構造一個懲罰函數，得到一個較為精鍊的模型。使得它壓縮一些迴歸係數，即強制係數絕對值之和小於某個固定值，同時設定一些迴歸係數為0。因此保留了子集收縮的優點，是一種處理具有複共線性資料的有偏估計。

可視化配置組件參數

• 輸入樁

  輸入樁（從左至右）	資料類型	建議上遊組件	是否必選
  預測輸入模型	無	Lasso迴歸訓練	是
  預測輸入資料	無	讀資料表 特徵工程 資料預先處理	是

• 組件參數

  頁簽	參數	描述
  欄位設定	演算法保留列名	選擇演算法保留列的名稱。
  	向量列名	向量列對應的列名稱。
  參數設定	預測結果列名	預測結果列的列名稱。
  	組件多線程線程個數	組件多線程的線程個數，預設為1。
  執行調優	節點個數	與單個節點記憶體大小參數配對使用。取值為[1, 9999]的正整數。
  	單個節點記憶體大小，單位M	取值範圍為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()