弹性网络回归（ElasticNet）使用文档
| 组件名称 | 弹性网络回归（ElasticNet） | ||
|---|---|---|---|
| 工具集 | 机器学习 | ||
| 组件作者 | 雪浪云-墨文 | ||
| 文档版本 | 1.0 | ||
| 功能 | 弹性网络回归（ElasticNet） | ||
| 镜像名称 | ml_components:3 | ||
| 开发语言 | Python |
组件原理
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
