SVM lineal - Platform For AI - Centro de documentación de Alibaba Cloud

Una máquina de vectores de soporte (SVM) es un método de aprendizaje automático basado en la teoría del aprendizaje estadístico. Mejora la capacidad de generalización de un modelo mediante la minimización del riesgo estructural, lo cual equilibra el riesgo empírico y el intervalo de confianza. Este tema explica cómo configurar el componente Linear SVM e incluye un ejemplo de uso.

Contexto

Este algoritmo Linear SVM se implementa sin utilizar una función de kernel. Para obtener detalles sobre la implementación, consulte la sección "trust region method for L2-SVM" en principios del algoritmo.

Limitaciones

El componente Linear SVM solo admite clasificación binaria.

Configuración del componente

Puede configurar los parámetros del componente Linear SVM mediante uno de los siguientes métodos.

Método 1: Configuración visual

Puerto de entrada

El componente Linear SVM tiene un puerto de entrada obligatorio que debe conectarse a un componente Read Table.

Configure los parámetros del componente en la página del flujo de trabajo.

Tipo de parámetro	Parámetro	Obligatorio	Descripción
Configuración de campos	Columnas de características	Sí	Las columnas de características para el entrenamiento del modelo. Tipos de datos compatibles: BIGINT y DOUBLE.
Configuración de campos	Columna de etiquetas	Sí	La columna de etiquetas para el entrenamiento del modelo. Tipos de datos compatibles: BIGINT, DOUBLE y STRING.
Configuración de parámetros	Valor de etiqueta de muestra positiva	No	El valor que representa una muestra positiva. Si no se especifica este parámetro, se selecciona aleatoriamente un valor de la columna de etiquetas. Se recomienda especificar este parámetro para conjuntos de datos desequilibrados.
	Factor de penalización positiva	No	El peso para las muestras positivas. El valor predeterminado es 1.0 y el rango de valores es (0, +∞).
	Factor de penalización negativa	No	El peso de la muestra negativa tiene un valor predeterminado de 1.0 y un rango de valores de (0, +∞).
	Coeficiente de convergencia	No	Error de convergencia. El valor predeterminado es 0.001. El rango de valores es (0, 1).
Ajuste de ejecución	Número de núcleos	No	Si no se especifica, el sistema asigna los recursos automáticamente.
Ajuste de ejecución	Memoria por núcleo	No	El tamaño de memoria para cada núcleo, en MB. Si no se especifica, el sistema asigna los recursos automáticamente.

Puerto de salida

Genera un modelo de clasificación binaria en formato OfflineModel. La salida de este componente se conecta a un componente Prediction.

Método 2: Comando PAI

Puede configurar los parámetros del componente al ejecutar un comando PAI en un componente SQL Script. Para más información, consulte SQL Script.

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";

A continuación se describen los parámetros del comando PAI.

Parámetro	Obligatorio	Predeterminado	Descripción
inputTableName	Sí	N/A	El nombre de la tabla de entrada.
inputTablePartitions	No	Todas las particiones de la tabla de entrada.	Las particiones de la tabla de entrada para el entrenamiento. Se admiten los siguientes formatos: Partition_name=value name1=value1/name2=value2: Especifica una partición de varios niveles. Nota Para especificar varias particiones, sepárelas con comas (,).
modelName	Sí	N/A	El nombre del modelo de salida.
featureColNames	Sí	N/A	Los nombres de las columnas de características en la tabla de entrada.
labelColName	Sí	N/A	El nombre de la columna de etiquetas en la tabla de entrada.
positiveLabel	No	Se selecciona aleatoriamente un valor de la columna label.	El valor que representa una muestra positiva.
positiveCost	No	1.0	El peso de la clase positiva, también conocido como factor de penalización positiva. El valor debe estar en el rango (0, +∞).
negativeCost	No	1.0	El peso de la clase negativa, también conocido como factor de penalización negativa. El valor debe estar en el rango (0, +∞).
epsilon	No	0.001	El coeficiente de convergencia. El valor debe estar en el rango (0,1).
enableSparse	No	false	Especifica si los datos de entrada están en formato disperso. Valores válidos: true y false.
itemDelimiter	No	, (coma)	El delimitador entre pares KV cuando los datos de la tabla de entrada están en formato disperso.
kvDelimiter	No	: (dos puntos)	El delimitador entre key y value cuando los datos de la tabla de entrada están en formato disperso.
coreNum	No	Asignado por el sistema	El número de núcleos de cómputo. El valor debe ser un entero positivo.
memSizePerCore	No	Asignado por el sistema	El tamaño de memoria para cada núcleo, en MB. El valor debe ser un entero en el rango [1, 65536].

Ejemplo

Importe los siguientes datos de entrenamiento.

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

Importe los siguientes datos de prueba.

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

Cree un pipeline como se muestra en la siguiente figura. Para más información, consulte algorithm modeling.
Configure los parámetros del componente Linear SVM como se muestra en la siguiente tabla. Mantenga los valores predeterminados para todos los demás parámetros.

Tipo de parámetro

Parámetro

Descripción

Fields Setting

Feature Columns

Seleccione las columnas f0, f1, f2, f3, f4, f5, f6 y f7.

Label Column

Seleccione la columna y.
Ejecute el pipeline y consulte los resultados de la predicción. Una vez completada la predicción, la salida muestra los resultados de clasificación binaria para las 10 filas de datos de prueba en cinco columnas: id, y (etiqueta real), prediction_result (etiqueta predicha: +1 o -1), prediction_score y prediction_detail (detalles de puntuación para las clases +1 y -1, en formato JSON).

Tipo de parámetro	Parámetro	Descripción
Fields Setting	Feature Columns	Seleccione las columnas f0, f1, f2, f3, f4, f5, f6 y f7.
Fields Setting	Label Column	Seleccione la columna y.