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
vectorCol 向量列名 向量列对应的列名,默认值是null String null
predictionCol 预测结果列名 预测结果列名 String
predictionDetailCol 预测详细信息列名 预测详细信息列名 String
reservedCols 算法保留列名 算法保留列 String[] null

脚本示例

脚本代码

  1. URL = "https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/iris.csv"
  2. SCHEMA_STR = "sepal_length double, sepal_width double, petal_length double, petal_width double, category string";
  3. data = CsvSourceBatchOp().setFilePath(URL).setSchemaStr(SCHEMA_STR)
  4. mlpc = MultilayerPerceptronClassifier() \
  5. .setFeatureCols(["sepal_length", "sepal_width", "petal_length", "petal_width"]) \
  6. .setLabelCol("category") \
  7. .setLayers([4, 5, 3]) \
  8. .setMaxIter(20) \
  9. .setPredictionCol("pred_label") \
  10. .setPredictionDetailCol("pred_detail")
  11. mlpc.fit(data).transform(data).firstN(4).print()

脚本运行结果

  1. sepal_length sepal_width ... pred_label pred_detail
  2. 0 5.1 3.5 ... Iris-setosa {"Iris-versicolor":4.847903295060146E-12,"Iris...
  3. 1 5.0 2.0 ... Iris-versicolor {"Iris-versicolor":0.5316800097281505,"Iris-vi...
  4. 2 5.1 3.7 ... Iris-setosa {"Iris-versicolor":9.36626517454266E-10,"Iris-...
  5. 3 6.4 2.8 ... Iris-virginica {"Iris-versicolor":0.19480380926794844,"Iris-v...