分層採樣 - Platform For AI

給定一個分組列，分層採樣演算法組件按照這些列的不同值，將輸入資料分成不同的組，並在每組中分別進行隨機採樣。

組件配置

您可以使用以下任意一種方式，配置分層採樣組件參數。

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	分組列	選擇分組欄欄位，分層按照此列劃分。
參數設定	採樣個數	取值為正整數。
	採樣比例	取值為浮點數，範圍(0,1)。
	隨機種子值	系統自動產生，預設值為1234567。
執行調優	計算核心數	取值為正整數，預設系統自動分配。
執行調優	每個核記憶體大小	取值為正整數，範圍(1, 65536)，預設系統自動分配。

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 StratifiedSample
    -project algo_public
    -DinputTableName="test_input"
    -DoutputTableName="test_output"
    -DstrataColName="label"
    -DsampleSize="A:200,B:300,C:500"
    -DrandomSeed=1007
    -Dlifecycle=30;

參數名稱	是否必選	參數描述	預設值
inputTableName	是	輸入表的名稱	無
inputTablePartitions	否	輸入表中，參與訓練的分區。支援以下格式： Partition_name=value name1=value1/name2=value2：多級格式說明如果指定多個分區，則使用半形逗號（,）分隔。	所有分區
outputTableName	是	輸出結果表	無
strataColName	是	層次列，即按照此列作為key分層。	無
sampleSize	否	採樣個數正整數：表示每個層的採樣個數。字串：格式為strata0:n0，strata1:n1，表示每個層分別配置的採樣個數。說明當sampleSize與sampleRatio都為空白時，系統會報錯。當sampleSize與sampleRatio都不為空白時，以sampleSize為準。	無
sampleRatio	否	採樣比例數字：範圍(0,1)，表示每個stratum的採樣比例。字串：格式為strata0:r0,strata1:r1，表示每個層分別配置採樣比例。	無
randomSeed	否	隨機數種子，取值範圍為正整數。	123456
lifecycle	否	輸出表的生命週期，取值範圍為[1,3650]。	無
coreNum	否	計算的核心數目，取值範圍為正整數。	系統自動分配
memSizePerCore	否	每個核心的記憶體（單位是MB），取值範圍為(1, 65536)。	系統自動分配