机器数据分析平台

  • fit

    最近更新时间:2021-09-16 14:57:23

    使用fit命令来用一种指定的算法拟合数据,进行模型训练,得到最终的算法模型结果。无论是在经典的有监督、无监督机器学习建模方面,还是在其他类型的预测建模方面,它的语法都是相同的。

    语法

    .. | fit <algorithm> [option_name]=[option_value] …… [target_field] [from <feature_field_1> <feature_field_2>...] [into <model_name>]
    

    参数说明

    必选参数
    <algorithm>:“算法”选项是必不可少的,目前平台支持的算法以及使用方式请参考 Machine Learning App提供的算法及支持的SPL算子fit的使用方法详述

    可选参数

    [option_name]=[option_value]:不同的算法支持不同的参数选项。“=”的左侧填写参数的名称,而“=”的右侧填写这个参数对应的设定值。

    [target_field]:有些算法(如监督型机器学习算法)会需要一个“目标变量”的选项,也可称作“响应字段”。仅支持填入一个需要预测的目标变量字段名。

    [from <feature_field>]:有些算法(监督型和非监督型机器学习算法)会需要一个“特征变量”的选项,也可称做“解释性字段”。在其中填入一个或多个用来预测的特征变量名称。它以关键词“from”为引导,不同的特征变量名称之间用空格间隔。如果某种算法只需要“特征变量”选项,不需要“目标变量”选项时,关键词“from”必须被省略。

    [into <model_name>]:可以通过该命令以及自定义的“模型名称”来保存某种特定算法的模型结果,以便将来用apply命令调用。它以关键词“into”为引导,接下来指定一个可以自定义的模型名称。如果不使用该命令,SPL会展示模型训练结果,但是不保存模型。

    示例用法
    1、基于LinearRegression算法,使用特征字段CRIM来预测响应字段target

    ... | fit LinearRegression target from CRIM
    

    2、基于LinearRegression算法,使用3个特征字段CRIM、ZN、INDUS来预测响应字段target

    ... | fit LinearRegression target from CRIM ZN INDUS
    

    3、基于LinearRegression算法,使用3个特征字段CRIM、ZN、INDUS来预测响应字段target,并将由此得到的模型结果保存到一个叫house_model的模型变量中

    ... | fit LinearRegression target from CRIM ZN INDUS into house_model
    
    以上内容是否对您有帮助?
  • Qvm free helper
    Close