机器学习线性支持向量机算法组件的配置及示例-人工智能平台 PAI(PAI)-阿里云帮助中心

支持向量机SVM（Support Vector Machine）是基于统计学习理论的一种机器学习方法，通过寻求结构风险最小化，提高学习机泛化能力，从而实现经验风险和置信范围最小化。本文介绍线性支持向量机算法组件的配置方法及使用示例。

背景信息

本文中的线性支持向量机算法不通过核函数方式实现，具体实现理论请参见算法原理中的Trust Region Method for L2-SVM部分。

使用限制

线性支持向量机算法组件仅支持二分类场景。

组件配置

您可以使用以下任意一种方式，配置线性支持向量机组件参数。

方式一：可视化方式

输入桩

线性支持向量机算法组件仅一个输入桩，需要接入读数据表组件，为必选项。

在工作流页面配置组件参数。

参数类型	参数	是否必选	描述
字段设置	特征列	是	输入列，根据输入数据表的特征选择特征列，支持BIGINT和DOUBLE类型的数据。
字段设置	标签列	是	根据输入数据表的特征选择标签列，支持BIGINT、DOUBLE及STRING类型。
参数设置	正样本的标签值	否	目标基准值。如果未指定，则系统随机选定。如果正负例样本差异大，建议手动指定。
	正例惩罚因子	否	正例权重值。默认值为1.0，取值范围为(0, +∞)。
	负例惩罚因子	否	负例权重值。默认值为1.0，取值范围为(0, +∞)。
	收敛系数	否	收敛误差。默认值为0.001，取值范围为(0, 1)。
执行调优	计算的核心数	否	如果未配置，则系统自动分配。
执行调优	每个核心的内存	否	如果未配置，则系统自动分配。单位为MB。

输出桩

输出OfflineModel格式的二分类模型，下游可以接“预测”组件。

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 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";

PAI命令中的参数详情如下表所示。

参数	是否必选	默认值	描述
inputTableName	是	无	输入表的名称。
inputTableParitions	否	输入表的所有分区	输入表中，参与训练的分区。系统支持以下格式： Partition_name=value name1=value1/name2=value2：多级分区说明指定多个分区时，分区之间使用英文逗号（,）分隔。
modelName	是	无	输出的模型名称。
featureColNames	是	无	输入表中，用于训练的特征列名。
labelColName	是	无	输入表中，标签列的名称。
positiveLabel	否	从label取值中，随机选择一个。	正例的值。
positiveCost	否	1.0	正例权重值，即正例惩罚因子。取值范围为(0, +∞)。
negativeCost	否	1.0	负例权重值，即负例惩罚因子。取值范围为(0, +∞)。
epsilon	否	0.001	收敛系数，取值范围为（0,1)。
enableSparse	否	false	输入数据是否为稀疏格式，取值为true或false。
itemDelimiter	否	英文逗号（,）	当输入表数据为稀疏格式时，KV对之间的分隔符。
kvDelimiter	否	英文冒号（:）	当输入表数据为稀疏格式时，key和value之间的分隔符。
coreNum	否	系统自动分配	计算的核心数，取值范围为正整数。
memSizePerCore	否	系统自动分配	每个核心的内存，取值范围为1 MB~65536 MB。

示例

导入如下训练数据。

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

导入如下测试数据。

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

创建如下实验，详情请参见算法建模。

配置线性支持向量机组件的参数（配置如下表格中的参数，其余参数使用默认值）。

参数类型	参数	描述
字段设置	特征列	选择f0、f1、f2、f3、f4、f5、f6及f7列。
字段设置	标签列	选择y列。

运行实验，查看预测结果。执行预测后，输出结果包含 id、y（实际标签）、prediction_result（预测标签，+1或-1）、prediction_score（预测分数）和 prediction_detail（JSON格式，包含+1和-1两个类别的得分详情）共5列，展示10条测试数据的二分类预测结果。