正規化 - Platform For AI - Alibaba Cloud ドキュメントセンター

このトピックでは、Machine Learning Designer (旧称Machine Learning Studio) が提供する正規化コンポーネントについて説明します。

コンポーネントの設定

次のいずれかの方法を使用して、正規化コンポーネントを設定できます。

方法1: パイプラインページでコンポーネントを設定する

Machine Learning Designerのパイプラインページでコンポーネントパラメーターを設定します。

タブ	パラメーター	説明
フィールド設定	すべてデフォルトで選択	デフォルトでは、入力テーブルのすべての列が選択されます。特定の列をトレーニングに使用することはできません。これらの列は予測結果に影響を与えません。
フィールド設定	元の列を予約	元の列を予約するかどうかを指定します。正規化後、列名の前にnormalized_が付いています。予約できるのは、DOUBLEまたはBIGINTタイプの列のみです。
チューニング	コア	コアの数。システムは、入力データの量に基づいて、トレーニングに使用されるコアを自動的に割り当てます。
チューニング	コアあたりのメモリサイズ	各コアのメモリサイズ。システムは、入力データの量に基づいてメモリを自動的に割り当てます。単位：MB。

方法2: PAIコマンドを使用する

PAIコマンドを使用してコンポーネントパラメータを設定します。 SQLスクリプトコンポーネントを使用してPAIコマンドを呼び出すことができます。詳細については、「SQLスクリプト」をご参照ください。

高密度データのコマンド

PAI -name Normalize
    -project algo_public
    -DkeepOriginal="true"
    -DoutputTableName="test_4"
    -DinputTablePartitions="pt=20150501"
    -DinputTableName="bank_data_partition"
    -DselectedColNames="emp_var_rate,euribor3m"

スパースデータのコマンド

PAI -name Normalize
    -project projectxlib4
    -DkeepOriginal="true"
    -DoutputTableName="kv_norm_output"
    -DinputTableName=kv_norm_test
    -DselectedColNames="f0,f1,f2"
    -DenableSparse=true
    -DoutputParaTableName=kv_norm_model
    -DkvIndices=1,2,8,6
    -DitemDelimiter=",";

パラメーター	必須	説明	デフォルト値
inputTableName	可	入力テーブルの名前。	デフォルト値なし
selectedColNames	不可	トレーニング用に入力テーブルから選択された列。列名はコンマ (,) で区切る必要があります。 INT型とDOUBLE型の列がサポートされています。入力データがスパース形式の場合、STRING型の列がサポートされます。	すべての列
inputTablePartitions	不可	トレーニング用に入力テーブルから選択されたパーティション。次の形式がサポートされています。 Partition_name=value name1=value1/name2=value2: マルチレベルパーティション説明複数のパーティションを指定する場合は、コンマ (,) で区切ります。	すべてのパーティション
outputTableName	可	出力テーブルの名前。	デフォルト値なし
outputParaTableName	不可	出力パラメーターテーブルの名前。	デフォルト値なし
inputParaTableName	可	入力パラメーターテーブルの名前。	デフォルト値なし
keepOriginal	不可	元の列を予約するかどうかを指定します。有効な値： true: 正規化された列の名前を正規化された_プレフィックスで変更し、元の列を予約します。 false: 名前を変更せずにすべての列を予約します。	false
ライフサイクルの設定 (Set lifecycle)	不可	出力テーブルのライフサイクル。有効な値: [1,3650] 。	デフォルト値なし
coreNum	不可	コンピューティングで使用されるコアの数。値は正の整数でなければなりません。	システムによって決定される
memSizePerCore	不可	各コアのメモリサイズ。単位：MB。有効値: (1,65536)	システムによって決定される
enableSparse	不可	スパース形式の入力データをサポートするかどうかを指定します。有効な値： true false	false
itemDelimiter	不可	キーと値のペア間で使用される区切り文字。	,
kvDelimiter	不可	キーと値の間に使用される区切り文字。	:
kvIndices	不可	キーと値の形式のデータを含むテーブルで正規化が必要な機能インデックス。	デフォルト値なし

例：

入力データの生成

drop table if exists normalize_test_input;
create table normalize_test_input(
    col_string string,
    col_bigint bigint,
    col_double double,
    col_boolean boolean,
    col_datetime datetime);
insert overwrite table normalize_test_input
select
    *
from
(
    select
        '01' as col_string,
        10 as col_bigint,
        10.1 as col_double,
        True as col_boolean,
        cast('2016-07-01 10:00:00' as datetime) as col_datetime
    union all
        select
            cast(null as string) as col_string,
            11 as col_bigint,
            10.2 as col_double,
            False as col_boolean,
            cast('2016-07-02 10:00:00' as datetime) as col_datetime
    union all
        select
            '02' as col_string,
            cast(null as bigint) as col_bigint,
            10.3 as col_double,
            True as col_boolean,
            cast('2016-07-03 10:00:00' as datetime) as col_datetime
    union all
        select
            '03' as col_string,
            12 as col_bigint,
            cast(null as double) as col_double,
            False as col_boolean,
            cast('2016-07-04 10:00:00' as datetime) as col_datetime
    union all
        select
            '04' as col_string,
            13 as col_bigint,
            10.4 as col_double,
            cast(null as boolean) as col_boolean,
            cast('2016-07-05 10:00:00' as datetime) as col_datetime
    union all
        select
            '05' as col_string,
            14 as col_bigint,
            10.5 as col_double,
            True as col_boolean,
            cast(null as datetime) as col_datetime
) tmp;

PAIコマンドの実行

drop table if exists normalize_test_input_output;
drop table if exists normalize_test_input_model_output;
PAI -name Normalize
    -project algo_public
    -DoutputParaTableName="normalize_test_input_model_output"
    -Dlifecycle="28"
    -DoutputTableName="normalize_test_input_output"
    -DinputTableName="normalize_test_input"
    -DselectedColNames="col_double,col_bigint"
    -DkeepOriginal="true";
drop table if exists normalize_test_input_output_using_model;
drop table if exists normalize_test_input_output_using_model_model_output;
PAI -name Normalize
    -project algo_public
    -DoutputParaTableName="normalize_test_input_output_using_model_model_output"
    -DinputParaTableName="normalize_test_input_model_output"
    -Dlifecycle="28"
    -DoutputTableName="normalize_test_input_output_using_model"
    -DinputTableName="normalize_test_input";

入力

normalize_test_input

col_文字列	col_bigint	col_double	col_boolean	col_datetime
01	10	10.1	true	2016-07-01 10:00:00
NULL	11	10.2	false	2016-07-02 10:00:00
02	NULL	10.3	true	2016-07-03 10:00:00
03	12	NULL	false	2016-07-04 10:00:00
04	13	10.4	NULL	2016-07-05 10:00:00
05	14	10.5	true	NULL

Output

normalize_test_input_output

col_文字列	col_bigint	col_double	col_boolean	col_datetime	normalized_col_bigint	normalized_col_double
01	10	10.1	true	2016-07-01 10:00:00	0.0	0.0
NULL	11	10.2	false	2016-07-02 10:00:00	0.25	0.2499999999999989
02	NULL	10.3	true	2016-07-03 10:00:00	NULL	0.5000000000000022
03	12	NULL	false	2016-07-04 10:00:00	0.5	NULL
04	13	10.4	NULL	2016-07-05 10:00:00	0.75	0.7500000000000011
05	14	10.5	true	NULL	1.0	1.0

normalize_test_input_model_output
特徴
json
col_bigint
{"name": "normalize", "type": "bigint", "paras":{"min":10, "max": 14}}
col_double
{"name": "normalize", "type": "double", "paras":{"min":10.1, "max": 10.5}}

normalize_test_input_output_using_model

col_文字列	col_bigint	col_double	col_boolean	col_datetime
01	0.0	0.0	true	2016-07-01 10:00:00
NULL	0.25	0.2499999999999989	false	2016-07-02 10:00:00
02	NULL	0.5000000000000022	true	2016-07-03 10:00:00
03	0.5	NULL	false	2016-07-04 10:00:00
04	0.75	0.7500000000000011	NULL	2016-07-05 10:00:00
05	1.0	1.0	true	NULL

normalize_test_input_output_using_model_model_output
特徴
json
col_bigint
{"name": "normalize", "type": "bigint", "paras":{"min":10, "max": 14}}
col_double
{"name": "normalize", "type": "double", "paras":{"min":10.1, "max": 10.5}}

特徴	json
col_bigint	{"name": "normalize", "type": "bigint", "paras":{"min":10, "max": 14}}
col_double	{"name": "normalize", "type": "double", "paras":{"min":10.1, "max": 10.5}}