Linear SVM: Configuration and examples - Platform For AI - Centre de documentation Alibaba Cloud

Une machine à vecteurs de support (SVM) est une méthode d'apprentissage automatique fondée sur la théorie de l'apprentissage statistique. Elle améliore la capacité de généralisation d'un modèle grâce à la minimisation du risque structurel, qui équilibre le risque empirique et l'intervalle de confiance. Cette rubrique explique comment configurer le composant SVM linéaire et inclut un exemple d'utilisation.

Contexte

Cet algorithme SVM linéaire est implémenté sans utiliser de fonction noyau. Pour plus de détails sur l'implémentation, consultez la section « trust region method for L2-SVM » dans les principes de l'algorithme.

Limites

Le composant SVM linéaire prend uniquement en charge la classification binaire.

Configuration du composant

Vous pouvez configurer les paramètres du composant SVM linéaire à l'aide de l'une des méthodes suivantes.

Méthode 1 : Configuration visuelle

Port d'entrée

Le composant SVM linéaire dispose d'un port d'entrée obligatoire qui doit être connecté à un composant Read Table.

Configurez les paramètres du composant sur la page du workflow.

Type de paramètre	Paramètre	Obligatoire	Description
Paramètres des champs	Colonnes de caractéristiques	Oui	Les colonnes de caractéristiques pour l'entraînement du modèle. Types de données pris en charge : BIGINT et DOUBLE.
Paramètres des champs	Colonne d'étiquette	Oui	La colonne d'étiquette pour l'entraînement du modèle. Types de données pris en charge : BIGINT, DOUBLE et STRING.
Paramètres	Valeur d'étiquette de l'échantillon positif	Non	La valeur qui représente un échantillon positif. Si ce paramètre n'est pas spécifié, une valeur est sélectionnée au hasard dans la colonne d'étiquette. Il est recommandé de spécifier ce paramètre pour les jeux de données déséquilibrés.
	Facteur de pénalité positif	Non	Le poids des échantillons positifs. La valeur par défaut est 1,0 et la plage de valeurs est (0, +∞).
	Facteur de pénalité négatif	Non	Le poids des échantillons négatifs a une valeur par défaut de 1,0 et une plage de valeurs de (0, +∞).
	Coefficient de convergence	Non	Erreur de convergence. La valeur par défaut est 0,001. La plage de valeurs est (0, 1).
Optimisation de l'exécution	Nombre de cœurs	Non	Si non spécifié, le système alloue automatiquement les ressources.
Optimisation de l'exécution	Mémoire par cœur	Non	La taille de la mémoire pour chaque cœur, en Mo. Si non spécifié, le système alloue automatiquement les ressources.

Port de sortie

Produit un modèle de classification binaire au format OfflineModel. La sortie de ce composant se connecte à un composant Prediction.

Méthode 2 : Commande PAI

Vous pouvez configurer les paramètres du composant en exécutant une commande PAI dans un composant SQL Script. Pour plus d'informations, consultez 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";

Le tableau suivant décrit les paramètres de la commande PAI.

Paramètre	Obligatoire	Valeur par défaut	Description
inputTableName	Oui	S/O	Le nom de la table d'entrée.
inputTablePartitions	Non	Toutes les partitions de la table d'entrée.	Les partitions de la table d'entrée pour l'entraînement. Les formats suivants sont pris en charge : Partition_name=value name1=value1/name2=value2 : Spécifie une partition multiniveau. Remarque Pour spécifier plusieurs partitions, séparez-les par des virgules (,).
modelName	Oui	S/O	Le nom du modèle de sortie.
featureColNames	Oui	S/O	Les noms des colonnes de caractéristiques dans la table d'entrée.
labelColName	Oui	S/O	Le nom de la colonne d'étiquette dans la table d'entrée.
positiveLabel	Non	Une valeur est sélectionnée au hasard dans la colonne label.	La valeur qui représente un échantillon positif.
positiveCost	Non	1,0	Le poids de la classe positive, également appelé facteur de pénalité positif. La valeur doit être comprise dans la plage (0, +∞).
negativeCost	Non	1,0	Le poids de la classe négative, également appelé facteur de pénalité négatif. La valeur doit être comprise dans la plage (0, +∞).
epsilon	Non	0,001	Le coefficient de convergence. La valeur doit être comprise dans la plage (0,1).
enableSparse	Non	false	Indique si les données d'entrée sont au format sparse. Valeurs valides : true et false.
itemDelimiter	Non	, (virgule)	Le délimiteur entre les paires KV lorsque les données de la table d'entrée sont au format sparse.
kvDelimiter	Non	: (deux-points)	Le délimiteur entre la key et la value lorsque les données de la table d'entrée sont au format sparse.
coreNum	Non	Alloué par le système	Le nombre de cœurs de calcul. La valeur doit être un entier positif.
memSizePerCore	Non	Alloué par le système	La taille de la mémoire pour chaque cœur, en Mo. La valeur doit être un entier compris dans la plage [1, 65536].

Exemple

Importez les données d'entraînement suivantes.

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

Importez les données de test suivantes.

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

Créez un pipeline comme indiqué dans la figure suivante. Pour plus d'informations, consultez modélisation d'algorithme.

Configurez les paramètres du composant SVM linéaire comme indiqué dans le tableau suivant. Conservez les valeurs par défaut pour tous les autres paramètres.

Type de paramètre	Paramètre	Description
Paramètres des champs	Colonnes de caractéristiques	Sélectionnez les colonnes f0, f1, f2, f3, f4, f5, f6 et f7.
Paramètres des champs	Colonne d'étiquette	Sélectionnez la colonne y.

Exécutez le pipeline et consultez les résultats de prédiction. Une fois la prédiction terminée, la sortie affiche les résultats de prédiction de classification binaire pour les 10 lignes de données de test dans cinq colonnes : id, y (étiquette réelle), prediction_result (étiquette prédite : +1 ou -1), prediction_score et prediction_detail (détails des scores pour les classes +1 et -1, au format JSON).