Linear SVM: Configuration and examples - Platform For AI: Central de Documentação do Alibaba Cloud

A máquina de vetores de suporte (SVM) é um método de aprendizado de máquina baseado na teoria do aprendizado estatístico. Esse método aprimora a capacidade de generalização do modelo por meio da minimização do risco estrutural, que equilibra o risco empírico e o intervalo de confiança. Este tópico explica como configurar o componente Linear SVM e apresenta um exemplo de uso.

Contexto

O algoritmo Linear SVM é implementado sem função kernel. Para obter detalhes sobre a implementação, consulte a seção "trust region method for L2-SVM" em princípios do algoritmo.

Limitações

O componente Linear SVM oferece suporte apenas à classificação binária.

Configuração do componente

Configure os parâmetros do componente Linear SVM por um dos métodos a seguir.

Método 1: Configuração visual

Porta de entrada

O componente Linear SVM possui uma porta de entrada obrigatória. Conecte-a a um componente Read Table.

Configure os parâmetros do componente na página do fluxo de trabalho.

Tipo de parâmetro	Parâmetro	Obrigatório	Descrição
Configurações de campo	Colunas de recursos	Sim	Colunas de recursos para treinamento do modelo. Tipos de dados compatíveis: BIGINT e DOUBLE.
Configurações de campo	Coluna de rótulo	Sim	Coluna de rótulo para treinamento do modelo. Tipos de dados compatíveis: BIGINT, DOUBLE e STRING.
Configurações de parâmetro	Valor do rótulo de amostra positiva	Não	Valor que representa uma amostra positiva. Se esse parâmetro não for especificado, o sistema selecionará aleatoriamente um valor da coluna de rótulo. Recomenda-se especificar este parâmetro para conjuntos de dados desbalanceados.
	Fator de penalidade positiva	Não	Peso para amostras positivas. O valor padrão é 1,0 e o intervalo válido é (0, +∞).
	Fator de penalidade negativa	Não	Peso da amostra negativa. O valor padrão é 1,0 e o intervalo válido é (0, +∞).
	Coeficiente de convergência	Não	Erro de convergência. O valor padrão é 0,001. O intervalo válido é (0, 1).
Ajuste de execução	Número de núcleos	Não	Se não especificado, o sistema aloca recursos automaticamente.
Ajuste de execução	Memória por núcleo	Não	Tamanho da memória para cada núcleo, em MB. Se não especificado, o sistema aloca recursos automaticamente.

Porta de saída

Gera um modelo de classificação binária no formato OfflineModel. A saída deste componente conecta-se a um componente Prediction.

Método 2: Comando PAI

Configure os parâmetros do componente executando um comando PAI em um componente SQL Script. Para mais informações, 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 tabela a seguir descreve os parâmetros do comando PAI.

Parâmetro	Obrigatório	Padrão	Descrição
inputTableName	Sim	N/A	Nome da tabela de entrada.
inputTablePartitions	Não	Todas as partições da tabela de entrada.	Partições da tabela de entrada para treinamento. Formatos compatíveis: Partition_name=value name1=value1/name2=value2: Especifique uma partição multinível. Nota Para especificar várias partições, separe-as por vírgulas (,).
modelName	Sim	N/A	Nome do modelo de saída.
featureColNames	Sim	N/A	Nomes das colunas de recursos na tabela de entrada.
labelColName	Sim	N/A	Nome da coluna de rótulo na tabela de entrada.
positiveLabel	Não	Um valor selecionado aleatoriamente da coluna label.	Valor que representa uma amostra positiva.
positiveCost	Não	1,0	Peso da classe positiva, também conhecido como fator de penalidade positiva. O valor deve estar no intervalo (0, +∞).
negativeCost	Não	1,0	Peso da classe negativa, também conhecido como fator de penalidade negativa. O valor deve estar no intervalo (0, +∞).
epsilon	Não	0,001	Coeficiente de convergência. O valor deve estar no intervalo (0,1).
enableSparse	Não	false	Define se os dados de entrada estão no formato esparso. Valores válidos: true e false.
itemDelimiter	Não	, (vírgula)	Delimitador entre pares KV quando os dados da tabela de entrada estão no formato esparso.
kvDelimiter	Não	: (dois pontos)	Delimitador entre key e value quando os dados da tabela de entrada estão no formato esparso.
coreNum	Não	Alocado pelo sistema	Número de núcleos de computação. O valor deve ser um número inteiro positivo.
memSizePerCore	Não	Alocado pelo sistema	Tamanho da memória para cada núcleo, em MB. O valor deve ser um número inteiro no intervalo [1, 65536].

Exemplo

Importe os seguintes dados de treinamento.

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 os seguintes dados de teste.

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

Crie um pipeline conforme mostrado na figura a seguir. Para mais informações, consulte modelagem de algoritmo.

Configure os parâmetros do componente Linear SVM conforme a tabela a seguir. Mantenha os valores padrão para todos os outros parâmetros.

Tipo de parâmetro	Parâmetro	Descrição
Fields Setting	Feature Columns	Selecione as colunas f0, f1, f2, f3, f4, f5, f6 e f7.
Fields Setting	Label Column	Selecione a coluna y.

Execute o pipeline e visualize os resultados da previsão. Após a conclusão, a saída exibirá os resultados da classificação binária para as 10 linhas de dados de teste em cinco colunas: id, y (rótulo real), prediction_result (rótulo previsto: +1 ou -1), prediction_score e prediction_detail (detalhes da pontuação para as classes +1 e -1, no formato JSON).