隨機森林是一個包括多決策樹的分類器,其分類結果由單棵樹輸出類別的眾數決定。
組件配置
您可以使用以下任意一種方式,配置隨機森林組件參數。
方式一:可視化方式
在Designer工作流程頁面配置組件參數。
頁簽 | 參數 | 描述 |
欄位設定 | 選擇特徵列 | 預設為除標籤列和權重列外的所有列。 |
排除列 | 不參與訓練的列,不能與選擇特徵列同時使用。 | |
強制轉換列 | 解析規則如下:
說明 如果需要將BIGINT類型的列解析為CATEGORICAL,則必須使用forceCategorical參數指定類型。 | |
權重列的列名 | 列可以對每行樣本進行加權,支援數實值型別。 | |
標籤列 | 輸入表的標籤列,支援STRING及數實值型別。 | |
參數設定 | 森林中樹的個數 | 取值範圍為1~1000。 |
單顆樹的演算法在森林中的位置 | 如果有N棵樹,且algorithmTypes=[a,b],則:
例如,在一個擁有5棵樹的森林中,如果[2,4]表示0,則1為ID3演算法,2,3為CART演算法,4為C4.5演算法。如果輸入None,則演算法在森林中均分。 | |
單棵樹隨機特徵數 | 取值範圍為[1,N],N表示Feature數量。 | |
分葉節點資料的最小個數 | 取值範圍為正整數,預設值為2。 | |
分葉節點資料個數占父節點的最小比例 | 取值範圍為[0,1],預設值為0。 | |
單顆樹的最大深度 | 取值範圍為[1,+∞),預設值為無窮。 | |
單顆樹輸入的隨機資料個數 | 取值範圍為(1000,1000000],預設值為100000。 |
方式二:PAI命令方式
使用PAI命令方式,配置該組件參數。您可以使用SQL指令碼組件進行PAI命令調用,詳情請參見SQL指令碼。
PAI -name randomforests
-project algo_public
-DinputTableName="pai_rf_test_input"
-DmodelName="pai_rf_test_model"
-DforceCategorical="f1"
-DlabelColName="class"
-DfeatureColNames="f0,f1"
-DmaxRecordSize="100000"
-DminNumPer="0"
-DminNumObj="2"
-DtreeNum="3";
參數 | 是否必選 | 描述 | 預設值 |
inputTableName | 是 | 輸入表。 | 無 |
inputTablePartitions | 否 | 輸入表中,參與訓練的分區。支援以下格式:
說明 如果指定多個分區,則使用英文逗號(,)分隔。 | 所有分區 |
labelColName | 是 | 輸入表中,標籤列的列名。 | 無 |
modelName | 是 | 輸出的模型名。 | 無 |
treeNum | 是 | 森林中樹的數量,取值範圍為1~1000。 | 100 |
excludedColNames | 否 | 不參與訓練的列,不能與featureColNames同時使用。 | 空 |
weightColName | 否 | 輸入表中的權重列名。 | 無 |
featureColNames | 否 | 輸入表中,用於訓練的特徵列名。 | 除labelColName與weightColName外的所有列 |
forceCategorical | 否 | 解析規則如下:
說明 如果需要將BIGINT類型的列解析為CATEGORICAL,則必須使用forceCategorical參數指定類型。 | INT為連續類型 |
algorithmTypes | 否 | 單棵樹的演算法在森林中的位置。如果有N棵樹,且algorithmTypes=[a,b],則:
例如,在一個擁有5棵樹的森林中,[2,4]表示0,則1為ID3演算法,2,3為CART演算法,4為C4.5演算法。如果輸入None,則演算法在森林中均分。 | 演算法在森林中均分 |
randomColNum | 否 | 產生單棵樹時,每次分裂選擇的隨機特徵數量。取值範圍為[1,N],N表示Feature數量。 | log 2N |
minNumObj | 否 | 分葉節點資料的最小個數,取值範圍為正整數。 | 2 |
minNumPer | 否 | 分葉節點資料個數占父節點的最小比例,取值範圍為[0,1]。 | 0.0 |
maxTreeDeep | 否 | 單顆樹的最大深度,取值範圍為[1,+∞)。 | 無窮 |
maxRecordSize | 否 | 單棵樹輸入的隨機資料個數,取值範圍為(1000,1000000]。 | 100000 |
樣本
使用SQL語句,產生訓練資料。
create table pai_rf_test_input as select * from ( select 1 as f0,2 as f1, "good" as class union all select 1 as f0,3 as f1, "good" as class union all select 1 as f0,4 as f1, "bad" as class union all select 0 as f0,3 as f1, "good" as class union all select 0 as f0,4 as f1, "bad" as class )tmp;
使用PAI命令,提交隨機森林演算法組件參數。
PAI -name randomforests -project algo_public -DinputTableName="pai_rf_test_input" -Dmodelname="pai_rf_test_model" -DforceCategorical="f1" -DlabelColName="class" -DfeatureColNames="f0,f1" -DmaxRecordSize="100000" -DminNumPer="0" -DminNumObj="2" -DtreeNum="3";
查看模型PMML(Predictive Model Markup Language)。
<?xml version="1.0" encoding="utf-8"?> <PMML xmlns="http://www.dmg.org/PMML-4_2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="4.2" xsi:schemaLocation="http://www.dmg.org/PMML-4_2 http://www.dmg.org/v4-2/pmml-4-2.xsd"> <Header copyright="Copyright (c) 2014, Alibaba Inc." description=""> <Application name="ODPS/PMML" version="0.1.0"/> <TimestampTue, 12 Jul 2016 07:04:48 GMT</Timestamp> </Header> <DataDictionary numberOfFields="2"> <DataField name="f0" optype="continuous" dataType="integer"/> <DataField name="f1" optype="continuous" dataType="integer"/> <DataField name="class" optype="categorical" dataType="string"> <Value value="bad"/> <Value value="good"/> </DataField> </DataDictionary> <MiningModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"/> <MiningSchema> <MiningField name="f0" usageType="active"/> <MiningField name="f1" usageType="active"/> <MiningField name="class" usageType="target"/> </MiningSchema> <Segmentation multipleModelMethod="majorityVote"> <Segment id="0"> <True/> <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"> <MiningSchema> <MiningField name="f0" usageType="active"/> <MiningField name="f1" usageType="active"/> <MiningField name="class" usageType="target"/> </MiningSchema> <Node id="1"> <True/> <ScoreDistribution value="bad" recordCount="2"/> <ScoreDistribution value="good" recordCount="3"/> <Node id="2" score="good"> <SimplePredicate field="f1" operator="equal" value="2"/> <ScoreDistribution value="good" recordCount="1"/> </Node> <Node id="3" score="good"> <SimplePredicate field="f1" operator="equal" value="3"/> <ScoreDistribution value="good" recordCount="2"/> </Node> <Node id="4" score="bad" <SimplePredicate field="f1" operator="equal" value="4"/> <ScoreDistribution value="bad" recordCount="2"/> </Node> </Node> </TreeModel> </Segment> <Segment id="1"> <True/> <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"> <MiningSchema> <MiningField name="f0" usageType="active"/> <MiningField name="f1" usageType="active"/> <MiningField name="class" usageType="target"/> </MiningSchema> <Node id="1"> <True/> <ScoreDistribution value="bad" recordCount="2"/> <ScoreDistribution value="good" recordCount="3"/> <Node id="2" score="good"> <SimpleSetPredicate field="f1" booleanOperator="isIn"> <Array n="2" type="integer"2 3</Array> </SimpleSetPredicate> <ScoreDistribution value="good" recordCount="3"/> </Node> <Node id="3" score="bad"> <SimpleSetPredicate field="f1" booleanOperator="isNotIn"> <Array n="2" type="integer"2 3</Array> </SimpleSetPredicate> <ScoreDistribution value="bad" recordCount="2"/> </Node> </Node> </TreeModel> </Segment> <Segment id="2"> <True/> <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"> <MiningSchema> <MiningField name="f0" usageType="active"/> <MiningField name="f1" usageType="active"/> <MiningField name="class" usageType="target"/> </MiningSchema> <Node id="1"> <True/> <ScoreDistribution value="bad" recordCount="2"/> <ScoreDistribution value="good" recordCount="3"/> <Node id="2" score="bad"> <SimplePredicate field="f0" operator="lessOrEqual" value="0.5"/> <ScoreDistribution value="bad" recordCount="1"/> <ScoreDistribution value="good" recordCount="1"/> </Node> <Node id="3" score="good"> <SimplePredicate field="f0" operator="greaterThan" value="0.5"/> <ScoreDistribution value="bad" recordCount="1"/> <ScoreDistribution value="good" recordCount="2"/> </Node> </Node> </TreeModel> </Segment> </Segmentation> </MiningModel> </PMML>
查看模型可視化輸出。