线性回归(Linear Regression)是分析因变量和多个自变量之间的线性关系模型。
组件配置
您可以使用以下任意一种方式,配置线性回归组件参数。
方式一:可视化方式
在Designer工作流页面配置组件参数。
页签 | 参数 | 描述 |
字段设置 | 选择特征列 | 输入数据源中,参与训练的特征列。 |
选择标签列 | 支持DOUBLE及BIGINT类型。 | |
是否稀疏格式 | 使用KV格式表示稀疏格式。 | |
kv对间分隔符 | 默认使用英文逗号(,)分隔。 | |
key与value分隔符 | 默认使用英文冒号(:)分隔。 | |
参数设置 | 最大迭代轮数 | 算法进行的最大迭代次数。 |
最小似然误差 | 如果两次迭代间的Log Likelihood之差小于该值,则算法终止。 | |
正则化类型 | 支持L1、L2及None类型。 | |
正则系数 | 如果正则化类型为None,则该参数失效。 | |
生成模型评估表 | 指标包括R-Squared、AdjustedR-Squared、AIC、自由度、残差的标准差及偏差。 | |
回归系数评估 | 指标包括T值、P值及置信区间[2.5%,97.5%]。只有选中生成模型评估表复选框,该参数才生效。 | |
执行调优 | 计算核心数 | 默认为系统自动分配。 |
每核内存大小 | 默认为系统自动分配。 |
方式二:PAI命令方式
使用PAI命令方式,配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用,详情请参见SQL脚本。
PAI -name linearregression
-project algo_public
-DinputTableName=lm_test_input
-DfeatureColNames=x
-DlabelColName=y
-DmodelName=lm_test_input_model_out;
参数 | 是否必选 | 描述 | 默认值 |
inputTableName | 是 | 输入表的名称。 | 无 |
modelName | 是 | 输出模型的名称。 | 无 |
outputTableName | 否 | 输出的模型评估表名称。如果enableFitGoodness为true,则该参数必选。 | 无 |
labelColName | 是 | 因变量,支持DOUBLE及BIGINT类型。只能选择一列作为因变量。 | 无 |
featureColNames | 是 | 自变量。如果输入数据为稠密格式,则支持DOUBLE及BIGINT类型。如果输入数据为稀疏格式,则支持STRING类型。 | 无 |
inputTablePartitions | 否 | 输入表的分区。 | 无 |
enableSparse | 否 | 输入数据是否为稀疏格式,取值范围为{true,false}。 | false |
itemDelimiter | 否 | KV对之间的分隔符。如果enableSparse为true,则该参数生效。 | 英文逗号(,) |
kvDelimiter | 否 | keyvalue之间的分隔符。如果enableSparse为true,则该参数生效。 | 英文冒号(:) |
maxIter | 否 | 算法进行的最大迭代次数。 | 100 |
epsilon | 否 | 最小似然误差。如果两次迭代间的Log Likelihood之差小于该值,则算法终止。 | 0.000001 |
regularizedType | 否 | 正则化类型,取值范围为{l1,l2,None}。 | None |
regularizedLevel | 否 | 正则系数。如果regularizedType为None,则该参数失效。 | 1 |
enableFitGoodness | 否 | 是否生成模型评估表。指标包括R-Squared、AdjustedR-Squared、AIC、自由度、残差的标准差及偏差。取值范围为{true,false}。 | false |
enableCoefficientEstimate | 否 | 是否进行回归系数评估。评估指标包括T值、P值及置信区间[2.5%,97.5%]。如果enableFitGoodness为true,则该参数生效。取值范围为{true,false}。 | false |
lifecycle | 否 | 模型评估输出表的生命周期。 | -1 |
coreNum | 否 | 计算的核心数量。 | 系统自动分配 |
memSizePerCore | 否 | 每个核心的内存,取值范围为1024 MB~20*1024 MB。 | 系统自动分配 |
示例
使用SQL语句,生成测试数据。
drop table if exists lm_test_input; create table lm_test_input as select * from ( select 10 as y, 1.84 as x1, 1 as x2, '0:1.84 1:1' as sparsecol1 union all select 20 as y, 2.13 as x1, 0 as x2, '0:2.13' as sparsecol1 union all select 30 as y, 3.89 as x1, 0 as x2, '0:3.89' as sparsecol1 union all select 40 as y, 4.19 as x1, 0 as x2, '0:4.19' as sparsecol1 union all select 50 as y, 5.76 as x1, 0 as x2, '0:5.76' as sparsecol1 union all select 60 as y, 6.68 as x1, 2 as x2, '0:6.68 1:2' as sparsecol1 union all select 70 as y, 7.58 as x1, 0 as x2, '0:7.58' as sparsecol1 union all select 80 as y, 8.01 as x1, 0 as x2, '0:8.01' as sparsecol1 union all select 90 as y, 9.02 as x1, 3 as x2, '0:9.02 1:3' as sparsecol1 union all select 100 as y, 10.56 as x1, 0 as x2, '0:10.56' as sparsecol1 ) tmp;
使用PAI命令,提交线性回归组件参数。
PAI -name linearregression -project algo_public -DinputTableName=lm_test_input -DlabelColName=y -DfeatureColNames=x1,x2 -DmodelName=lm_test_input_model_out -DoutputTableName=lm_test_input_conf_out -DenableCoefficientEstimate=true -DenableFitGoodness=true -Dlifecycle=1;
使用PAI命令,提交预测组件参数。
pai -name prediction -project algo_public -DmodelName=lm_test_input_model_out -DinputTableName=lm_test_input -DoutputTableName=lm_test_input_predict_out -DappendColNames=y;
查看输出的模型评估表lm_test_input_conf_out。
+------------+------------+------------+------------+--------------------+------------+ | colname | value | tscore | pvalue | confidenceinterval | p | +------------+------------+------------+------------+--------------------+------------+ | Intercept | -6.42378496687763 | -2.2725755951390028 | 0.06 | {"2.5%": -11.964027, "97.5%": -0.883543} | coefficient | | x1 | 10.260063429838898 | 23.270944360826963 | 0.0 | {"2.5%": 9.395908, "97.5%": 11.124219} | coefficient | | x2 | 0.35374498323846265 | 0.2949247320997519 | 0.81 | {"2.5%": -1.997160, "97.5%": 2.704650} | coefficient | | rsquared | 0.9879675667384592 | NULL | NULL | NULL | goodness | | adjusted_rsquared | 0.9845297286637332 | NULL | NULL | NULL | goodness | | aic | 59.331109494251805 | NULL | NULL | NULL | goodness | | degree_of_freedom | 7.0 | NULL | NULL | NULL | goodness | | standardErr_residual | 3.765777749448906 | NULL | NULL | NULL | goodness | | deviance | 99.26757440771128 | NULL | NULL | NULL | goodness | +------------+------------+------------+------------+--------------------+------------+
查看预测结果表lm_test_input_predict_out。
+------------+-------------------+------------------+-------------------+ | y | prediction_result | prediction_score | prediction_detail | +------------+-------------------+------------------+-------------------+ | 10 | NULL | 12.808476727264404 | {"y": 12.8084767272644} | | 20 | NULL | 15.43015013867922 | {"y": 15.43015013867922} | | 30 | NULL | 33.48786177519568 | {"y": 33.48786177519568} | | 40 | NULL | 36.565880804147355 | {"y": 36.56588080414735} | | 50 | NULL | 52.674180388994415 | {"y": 52.67418038899442} | | 60 | NULL | 62.82092871092313 | {"y": 62.82092871092313} | | 70 | NULL | 71.34749583130122 | {"y": 71.34749583130122} | | 80 | NULL | 75.75932310613193 | {"y": 75.75932310613193} | | 90 | NULL | 87.1832221199846 | {"y": 87.18322211998461} | | 100 | NULL | 101.92248485222113 | {"y": 101.9224848522211} | +------------+-------------------+------------------+-------------------+