跳到主要内容

多任务弹性网络回归（MultiTaskElasticNet）使用文档

组件名称多任务弹性网络回归（MultiTaskElasticNet）
工具集机器学习
组件作者雪浪云-墨文
文档版本1.0
功能多任务弹性网络回归（MultiTaskElasticNet）算法
镜像名称ml_components:3
开发语言Python

组件原理​

多任务学习（Multi-task learning）是和单任务学习（single-task learning）相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，也就是系统的输出为实数的情况。复杂的学习问题先被分解成理论上独立的子问题，然后分别对每个子问题进行学习，最后通过对子问题学习结果的组合建立复杂问题的数学模型。多任务学习是一种联合学习，多个任务并行学习，结果相互影响。所谓多任务学习，就是同时求解多个问题。个性化问题就是一种典型的多任务学习问题，它同时学习多个用户的兴趣偏好

在统计学中，特别是在线性或逻辑回归模型的拟合中，弹性网络是一种正则化的回归方法，它将L1和L2惩罚值线性组合起来。

弹性网最初是由于对lasso的批评而出现的，lasso的变量选择可能过于依赖于数据，因此不稳定。解决方案是结合岭回归和lasso的惩罚项，以得到最好的模型。弹性网络的目标是使以下损失函数最小化:

现在,有两个参数需要调优:λ和α。

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称：训练数据
  • 输入类型：Csv文件
  • 功能描述： 输入用于训练的数据

输出桩​

支持sklearn模型输出。

输出端子1​

  • 端口名称：输出模型
  • 输出类型：sklearn模型
  • 功能描述： 输出训练好的模型用于预测

参数配置​

alpha​

  • 功能描述:乘以惩罚项的常数。
  • 必选参数：是
  • 默认值：1

L1 Ratio​

  • 功能描述:弹性网混合参数，应该在0,1之间。
  • 必选参数：是
  • 默认值：0.5

Fit Intercept​

  • 功能描述:是否应该计算截距。
  • 必选参数：是
  • 默认值：true

normalize​

  • 功能描述:当fit_intercept设置为False时，将忽略该参数。若为真，则回归前对回归量X进行归一化处理，取均值减去后除以l2-范数。
  • 必选参数：是
  • 默认值：false

Max Iter​

  • 功能描述:最大迭代次数。
  • 必选参数：是
  • 默认值：1000

Copy X​

  • 功能描述:如果为真，则复制X;否则，它可能被覆盖。
  • 必选参数：是
  • 默认值：true

tol​

  • 功能描述:优化器的容忍度。
  • 必选参数：是
  • 默认值：0.0001

Warm Start​

  • 功能描述:当设置为True时，重用前一个解决方案来初始化，否则，只需擦除前一个解决方案。
  • 必选参数：是
  • 默认值：false

positive​

  • 功能描述:当设置为真时，强制系数为正。
  • 必选参数：是
  • 默认值：false

Random State​

  • 功能描述:随机种子。
  • 必选参数：否
  • 默认值：（无）

selection​

  • 功能描述:如果设置为“随机”，则每次迭代都会更新一个随机系数，而不是默认情况下按顺序遍历特性。
  • 必选参数：是
  • 默认值：cyclic

需要训练​

  • 功能描述：该模型是否需要训练，默认为需要训练。
  • 必选参数：是
  • 默认值：true

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

识别字段​

  • 功能描述：识别字段
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点