Lasso回归预测

使用限制

支持的计算引擎为MaxCompute、Flink或DLC。

算法原理

Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的模型。使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值，同时设定一些回归系数为0。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。

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

  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	Lasso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

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