Platform For AI：GBDT二分類預測V2

支援計算資源

支援的計算引擎為MaxCompute和Flink。

演算法原理

梯度提升決策樹模型構建了一個由多棵決策樹組成的組合模型。每一棵決策樹對應一個弱學習器，將這些弱學習器組合在一起，可以達到比較好的分類或迴歸效果。

梯度提升的基本遞推結構為：

其中，通常為一棵 CART 決策樹，為決策樹的參數，為步長。第m棵決策樹在前m-1棵決策樹的基礎上對目標函數進行最佳化。最終得到包含若干棵決策樹的模型。

可視化配置參數

• 輸入樁配置

  輸入樁（從左至右）	限制資料類型	建議上遊組件	是否必選
  模型表	無	GBDT二分類V2	是
  預測資料表	無	讀資料表	是

• 右側參數表單

  頁簽	參數	是否必選	描述	預設值
  欄位設定	預測結果列名	是	預測結果列名。	prediction_result
  	預測詳細資料列名	否	預測詳細資料列名。	prediction_detail
  	演算法保留列	否	保留列名，預設保留所有列。	無
  執行調優	節點數	否	執行作業的節點數。	根據輸入資料自動計算
  	每節點記憶體	否	節點所使用的記憶體數，單位為MB，取值範圍為[100,65536]。	根據輸入資料自動計算

• 輸出樁說明

  輸出樁	儲存位置	下遊建議組件	模型類型
  輸出	不需要配置	二分類評估	無

相關文檔

• 該組件使用GBDT二分類V2組件訓練得到的模型，對資料進行二分類預測。

• 關於Designer組件更詳細的內容介紹，請參見Designer概述。

• Designer預置了多種演算法組件，你可以根據不同的使用情境選擇合適的組件進行資料處理，詳情請參見組件參考：所有組件匯總。