softmax 算法

功能介绍

  • softmax 是一个多分类算法
  • 组件支持稀疏、稠密两种数据格式
  • 支持带样本权重的训练

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
optimMethod 优化方法 优化问题求解时选择的优化方法 String null
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
withIntercept 是否有常数项 是否有常数项，默认true Boolean true
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
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 ✓
weightCol 权重列名 权重列对应的列名 String null
vectorCol 向量列名 向量列对应的列名，默认值是null String null
standardization 是否正则化 是否对训练数据做正则化，默认true Boolean true

脚本示例

运行脚本

  1. data = np.array([
  2.     [2, 1, 1],
  3.     [3, 2, 1],
  4.     [4, 3, 2],
  5.     [2, 4, 1],
  6.     [2, 2, 1],
  7.     [4, 3, 2],
  8.     [1, 2, 1],
  9.     [5, 3, 3]])
  10. df = pd.DataFrame({"f0": data[:, 0], 
  11.                    "f1": data[:, 1],
  12.                    "label": data[:, 2]})
  13. batchData = dataframeToOperator(df, schemaStr='f0 int, f1 int, label int', op_type='batch')
  14. dataTest = batchData
  15. colnames = ["f0","f1"]
  16. lr = SoftmaxTrainBatchOp().setFeatureCols(colnames).setLabelCol("label")
  17. model = batchData.link(lr)
  19. predictor = SoftmaxPredictBatchOp().setPredictionCol("pred")
  20. predictor.linkFrom(model, dataTest).print()

运行结果

f0 f1 label pred
2 1 1 1
3 2 1 1
4 3 2 2
2 4 1 1
2 2 1 1
4 3 2 2
1 2 1 1
5 3 3 3

备注

  1. 该组件的输入为训练数据，输出为Softmax模型。
  2. 参数数据库的使用方式可以覆盖多个参数的使用方式。