Platform for AI (PAI) のGBDTバイナリ分類予測V2コンポーネントは、GBDTバイナリ分類V2コンポーネントに基づく予測機能を提供します。 勾配ブースティング決定木は、バイナリ分類結果を予測するために使用される。 このトピックでは、GBDTバイナリ分類予測V2コンポーネントを設定する方法について説明します。
サポートされるコンピューティングリソース
MaxComputeとFlinkのコンピューティングリソースに基づいて、GBDTバイナリ分類予測V2コンポーネントを使用できます。
原理
勾配ブースティング決定木モデルは、複数の決定木からなる。 各決定木は弱い学習者に対応する。 これらの弱い学習者を組み合わせることで、より良い分類と回帰の結果を得ることができます。
次の図は、グラデーションブーストの基本的な再帰構造を示しています。
ほとんどの場合、はCART決定木であり、は決定木のパラメータであり、はステップサイズである。 各決定木は、前の決定木に基づいて目的関数を最適化する。 前のプロセスの後、複数の決定木を含むモデルが得られる。
PAIコンソールでコンポーネントを設定する
入力ポート
入力ポート (左から右へ)
データ型
推奨上流コンポーネント
必須
入力
N/A
可
予測データテーブル
N/A
可
パラメーター
タブ
パラメーター
必須
説明
デフォルト値
フィールド情報
予測結果の列名
可
予測結果列の名前。
prediction_result
predictionDetailCol
不可
予測の詳細列の名前。
prediction_detail
予約済み列
不可
予約済み列の名前。 デフォルトでは、すべての列が予約されています。
N/A
チューニング
インスタンス数
不可
ジョブの実行に使用されるインスタンスの数。
値は入力データに基づいて自動的に計算されます。
インスタンスごとのメモリ
不可
各インスタンスのメモリサイズ。 単位:MB。 有効な値: [100,65536] 。
値は入力データに基づいて自動的に計算されます。
出力ポート
ポート
保管場所
推奨下流コンポーネント
モデルタイプ
Output
N/A
N/A
関連ドキュメント
このコンポーネントは、GBDTバイナリ分類V2コンポーネントによってトレーニングされたモデルに基づいて予測を実行します。
Machine Learning Designerコンポーネントの詳細については、「Machine Learning Designerの概要」をご参照ください。
Machine Learning Designerは、さまざまなプリセットアルゴリズムコンポーネントを提供します。 ビジネス要件に基づいて、データ処理用のコンポーネントを選択できます。 詳細については、「コンポーネントリファレンス: すべてのコンポーネントの概要」をご参照ください。