岭回归预测组件支持稀疏、稠密两种数据格式。您可以使用岭回归预测组件做数值型变量的预测，包括房价预测、销售量预测、湿度预测等。本文为您介绍岭回归预测组件的配置方法。
使用限制
支持的计算引擎为MaxCompute和Flink。
算法原理
岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。
可视化配置组件参数
- 输入桩
输入桩（从左到右） 数据类型 建议上游组件 是否必选 预测输入模型 无 岭回归训练 是 预测输入数据 无 - 读数据表
- 特征工程
- 数据预处理
是 - 组件参数
页签 参数 描述 字段设置 算法保留列名 选择算法保留列的名称。 向量列名 向量列对应的列名称。 参数设置 预测结果列名 预测结果列的列名称。 组件多线程线程个数 组件多线程的线程个数，默认为1。 执行调优 节点个数 与单个节点内存大小参数配对使用。取值为[1, 9999]的正整数。 单个节点内存大小，单位M 取值范围为1024 MB~64*1024 MB。
通过代码方式配置组件
您可以将以下代码复制到PyAlink脚本组件中，使PyAlink脚本组件实现与该组件相同的功能。
from pyalink.alink import *
def main(sources, sinks, parameter):
model = sources[0]
batchData = sources[1]
predictor = RidgeRegPredictBatchOp()\
.setPredictionCol("pred")
result = predictor.linkFrom(model, batchData)
result.link(sinks[0])
BatchOperator.execute()内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家
阿里云企业补贴进行中： 马上申请
腾讯云限时活动1折起，即将结束： 马上收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利:同意关联，立享优惠
转转请注明出处：https://www.yunxiaoer.com/163614.html
