人工智能平台 PAI：岭回归预测

使用限制

支持的计算引擎为MaxCompute、Flink或DLC。

算法原理

岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。

可视化配置组件参数

• 输入桩

  输入桩（从左到右）	数据类型	建议上游组件	是否必选
  预测输入模型	无	岭回归训练	是
  预测输入数据	无	读数据表 特征工程 数据预处理	是

• 组件参数

  页签	参数	描述
  字段设置	算法保留列名	选择算法保留列的名称。
  	向量列名	向量列对应的列名称。
  参数设置	预测结果列名	预测结果列的列名称。
  	组件多线程线程个数	组件多线程的线程个数，默认为1。
  执行调优	节点个数	与单个节点内存大小参数配对使用。取值为[1, 9999]的正整数。
  	单个节点内存大小，单位M	取值范围为1024 MB~64*1024 MB。

通过代码方式配置组件

from pyalink.alink import *

def main(sources, sinks, parameter):
    model = sources[0]
    batchData = sources[1]

    predictor = RidgeRegPredictBatchOp()\
        .setPredictionCol("pred")
    result = predictor.linkFrom(model, batchData)
    result.link(sinks[0])
    BatchOperator.execute()