Platform For AI:FeatureStoreでAutoFEを使用する

AutoFEの概要

AutoFEでは、指定したデータを分析することにより、一連のフィーチャエンジニアリング操作を推奨します。 この一連の操作を直接使用して、フィーチャエンジニアリングを実行したり、推奨される操作に基づいてフィーチャエンジニアリングプロセスをカスタマイズしたりできます。

AutoFEは次の機能を提供します。

• group by feature_xやgroup by (feature_x, feature_y) などの操作を実行して、統計的特徴を取得します。 たとえば、AutoFEは、サンプルデータに基づいて都市ごとに販売機能を生成できます。これは、都市を数値機能にマッピングすることに相当します。

• フィーチャの組み合わせを分析して結合フィーチャを取得します。 例: crosscount(feature_x, feature_y)

• 加算、減算、乗算、および除算演算を実行することによって導出された特徴を得る。 例: feature_x +-*/ feature_y

• Gradient Boosting Decision Tree (GBDT) アルゴリズムを使用して、フィーチャ選択のためのフィーチャの情報値、重要度、および相関に基づいて、生成されたフィーチャをソートします。

フローチャート

1. 前処理

   AutoFEは、MaxComputeプロジェクト、Object Storage Service (OSS) バケット、Hadoop Distributed File System (HDFS) ファイルシステム、ローカルファイルなどのデータストアから読み取られたデータを前処理し、特定の要件とデータ量に基づいてデータをサンプリングします。 FeatureStoreのAutoFEは、MaxComputeプロジェクトのみをサポートします。 AutoFEのスタンドアロン版は、すべてのデータストアをサポートします。

2. フィーチャーの選択

   フィーチャの数が800を超えると、後続のフィーチャ分析およびモデルトレーニングステップのパフォーマンスに影響があります。 GBDTアルゴリズムを使用して、生のフィーチャを評価およびフィルタリングすることを推奨します。

3. 特徴分析

   AutoFEは、フィーチャに対して統計分析、組み合わせ生成、およびスケーラブルな自動フィーチャエンジニアリング (SAFE) 選択を実行して、新しいフィーチャセットを生成します。

   • 統計分析: AutoFEは、平均値、標準偏差、最大値、最小値、歪度、尖度などの複数の重要な統計メトリックに基づいて、特徴データの統計分析を実行します。

   • 組み合わせ生成: AutoFEはGBDTモデルをトレーニングし、ツリーパスに基づいてフィーチャを組み合わせ、情報ゲイン比を計算してフィーチャをソートし、フィーチャの組み合わせを推奨します。

   • SAFE選択: AutoFEは、バケットを使用して各列の情報値を計算し、情報値の低いフィーチャを除外し、GBDTモデルをトレーニングし、フィーチャの重要度を計算し、重要度の低いフィーチャを除外します。

     詳細については、「SAFE: スケーラブル自動機能エンジニアリングフレームワークFor Industrial Tasks」をご参照ください。

4. モデルトレーニング

   AutoFEは、フィーチャ分析に基づいて構成とデータを生成し、パイプラインプロセスをトレーニングしてから、オフラインとオンラインの両方で使用できるモデルを生成します。

5. フィーチャー変換

   AutoFEは、パイプラインモデルを読み込み、トレーニングデータとテストデータのフィーチャを変換し、フィーチャエンジニアリング結果を生成します。

課金

あなたは無料でAutoFEを使用することができます。 ただし、AutoFEが前処理、機能選択、統計分析、モデルトレーニングなどの操作を実行すると、サブスクリプションまたは従量課金制のMaxComputeプロジェクトでデータコンピューティングおよびモデルトレーニングのタスクが開始されます。 したがって、MaxComputeに関連するパブリックリソースの使用には料金がかかります。 詳細については、「概要」をご参照ください。

前提条件

このトピックで説明する操作を実行する前に、次の表で説明する要件が満たされていることを確認してください。

始める前に

pai_online_project.finance_recordテーブルのデータを同期する

テストを容易にするために、Alibaba CloudはMaxComputeプロジェクトpai_online_projectにシミュレートされたテーブルを提供します。 SQL文を実行して、MaxComputeプロジェクトpai_online_projectからMaxComputeプロジェクトにテーブル内のデータを同期できます。 以下の手順を実行します。

1. DataWorks コンソールにログインします。

2. 左側のナビゲーションウィンドウで、[データモデリングと開発] > [DataStudio] を選択します。

3. [DataStudio] ページで、作成したDataWorksワークスペースを選択し、[DataStudioに移動] をクリックします。

4. ポインタを [作成] に移動し、[ノードの作成] > [MaxCompute] > [ODPS SQL] を選択します。 [ノードの作成] ダイアログボックスで、次の表に示すノードパラメーターを設定します。

   パラメーター	説明
   エンジンインスタンス	作成したMaxComputeエンジンインスタンスを選択します。
   ノードタイプ	[ノードタイプ] ドロップダウンリストから [ODPS SQL] を選択します。
   パス	ビジネスフロー> ワークフロー> MaxComputeを選択します。
   名前	カスタム名を指定します。

5. [確認]をクリックします。

6. 作成したノードのタブで、次のSQL文を実行して、finance_recordテーブルのデータをpai_online_projectプロジェクトからMaxComputeプロジェクトに同期します。

   finance_recordが存在しない場合は

   CREATE TABLE IF NOT EXISTS finance_record
   like pai_online_project.finance_record
   STORED AS ALIORC  
   LIFECYCLE 90;
   
   INSERT OVERWRITE TABLE finance_record
   SELECT *
   FROM pai_online_project.finance_record

手順

1. Data Science Workshop (DSW) インスタンスの開発環境に移動します。

   1. PAIコンソールにログインします。

   2. 上部のナビゲーションバーで、DSWインスタンスが存在するリージョンを選択します。

   3. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、デフォルトのワークスペースの名前をクリックします。

   4. デフォルトのワークスペースの左側のナビゲーションウィンドウで、[モデルトレーニング] > [データサイエンスワークショップ (DSW)] を選択します。

   5. [Data Science Workshop (DSW)] ページで、開くDSWインスタンスを見つけ、[操作] 列の [開く] をクリックして、DSWインスタンスの開発環境に移動します。

2. [ノートブック] タブの [ランチャー] タブで、[クイックスタート] > [ツール] を選択します。 [ツール] セクションで [DSWギャラリー] をクリックして、[DSWギャラリー] ページに移動します。

   

3. [DSWギャラリー] ページで、[Feature Store with AutoFE] を検索し、[DSWで開く] をクリックします。 必要なリソースとチュートリアルファイルのDSWインスタンスへのダウンロードが開始されます。 ダウンロードが完了すると、チュートリアルファイルが自動的に開きます。

   

4. チュートリアルファイルfeature_store_with_autofe.ipynbで、チュートリアルの内容を表示し、チュートリアルを実行します。

   チュートリアルファイルでパラメーターを設定し、をクリックしてステップでコマンドを実行します。 各ステップでコマンドを順番に実行します。

   

5. コマンドの実行後、OSSコンソールに移動してテスト結果を表示します。

   OSSバケットのパスを取得するには、手順4で設定したoutput_config_oss_dirパラメーターの値を表示します。