多层感知机训练

功能介绍

多层感知机多分类模型

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
layers 神经网络层大小 神经网络层大小 int[] ✓
blockSize 数据分块大小，默认值64 数据分块大小，默认值64 Integer 64
initialWeights 初始权重值 初始权重值 DenseVector null
vectorCol 向量列名 向量列对应的列名，默认值是null String null
featureCols 特征列名数组 特征列名数组，默认全选 String[] null
labelCol 标签列名 输入表中的标签列名 String ✓
maxIter 最大迭代步数 最大迭代步数，默认为 100 Integer 100
epsilon 收敛阈值 迭代方法的终止判断阈值，默认值为 1.0e-6 Double 1.0E-6
l1 L1 正则化系数 L1 正则化系数，默认为0。 Double 0.0
l2 正则化系数 L2 正则化系数，默认为0。 Double 0.0

脚本示例

脚本代码

  1.     mlpc = MultilayerPerceptronClassifier() \
  2.         .setVectorCol("bitmap") \
  3.         .setLabelCol("label") \
  4.         .setLayers([628, 100, 100]) \
  5.         .setMaxIter(100) \
  6.         .setPredictionCol("pred_label") \
  7.         .setPredictionDetailCol("pred_detail")
  9.     # mlpc.fit(batch_data.bo_mnist)
  10.     pipeline = Pipeline().add(mlpc)
  11.     model = pipeline.fit(batch_data.bo_mnist)
  12.     model.save('/tmp/mlpc.csv')
  13.     BatchOperator.execute()

脚本运行结果

  1. -1,"{""schema"":[""model_id BIGINT,model_info VARCHAR,label_value BIGINT""],""param"":[""{\""vectorCol\"":\""\\\""bitmap\\\""\"",\""maxIter\"":\""100\"",\""layers\"":\""[628,100,100]\"",\""labelCol\"":\""\\\""label\\\""\"",\""predictionCol\"":\""\\\""pred_label\\\""\"",\""predictionDetailCol\"":\""\\\""pred_detail\\\""\""}""],""clazz"":[""com.alibaba.alink.pipeline.classification.MultilayerPerceptronClassificationModel""]}"
  2. 0,"0^{""vectorCol"":""\""bitmap\"""",""isVectorInput"":""true"",""layers"":""[628,100,100]"",""featureCols"":null}^"
  3. ......