全部產品
Search
文件中心

Platform For AI:DBSCAN預測

更新時間:Nov 21, 2024

DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一種基於密度的聚類演算法,其核心思想是將簇定義為密度相連的點的最大集合。通過將高密度地區劃分為簇,該演算法能夠在含有雜訊的空間資料集中識別出任意形狀的聚類。您可以使用DBSCAN預測組件預測新的點資料所屬的簇。本文為您介紹DBSCAN預測組件的配置方法。

支援的計算資源

MaxCompute/Flink/DLC

配置組件

在Designer工作流程頁面添加DBSCAN預測組件,並在介面右側配置相關參數:

參數類型

參數

描述

欄位設定

演算法保留列名

輸出結果中是否保留輸入資料的原始列名。

參數設定

預測結果列名

輸出資料中包含預測結果的列的名稱。

預測詳細資料列名

指定輸出資料中包含詳細預測資訊的列的名稱。

組件多線程線程個數

執行DBSCAN聚類計算時所使用的線程數量。

執行調優

底層Alink作業使用的計算資源

MaxCompute

使用MaxCompute/Flink計算資源,節點個數和單節點佔用的記憶體大小配置方法請參見附錄:如何預估資源的使用量

Flink

DLC

使用DLC計算資源,請根據介面提示配置資源規格。

附錄:如何預估資源的使用量

您可以參考以下內容,來預估資源的使用量。

  • 如何預估每個節點使用的記憶體大小?

    將模型的大小乘以30,即為每個節點使用的記憶體大小。

    例如:輸入資料(模型)的大小為1 GB,則每個節點使用的記憶體大小可以配置為30 GB。

  • 如何預估使用的節點個數?

    由於存在通訊開銷,隨著節點數量的增加,分布式訓練任務速度會先變快,後變慢。如果您觀測到訓練任務隨著節點數量增加之後,速度變慢,則應該停止增加節點數量。