什麼是XGBoost訓練演算法組件 - Platform For AI

XGBoost演算法在Boosting演算法的基礎上進行了擴充和升級，具有較好的易用性和魯棒性，被廣泛用在各種機器學習生產系統和競賽領域，該演算法支援分類和迴歸。XGBoost訓練組件在XGBoost演算法的基礎上進行了封裝，使功能和PAI更相容，更易用。本文為您介紹XGBoost訓練組件的配置方法。

使用限制

支援的計算引擎為MaxCompute、Flink和DLC。

資料格式

當前支援Table格式和LibSVM格式的資料。

Table格式樣本如下：
f0
f1
label
0.1
1
0
0.9
2
1

LibSVM格式樣本如下：

樣本資料

1 2:1 9:1 10:1 20:1 29:1 33:1 35:1 39:1 40:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1

0 0:1 9:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 115:1 121:1

1 2:1 8:1 18:1 20:1 29:1 33:1 35:1 39:1 41:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1

0 2:1 9:1 13:1 21:1 28:1 33:1 36:1 38:1 40:1 53:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 97:1 105:1 113:1 119:1

0 0:1 9:1 18:1 20:1 22:1 33:1 35:1 38:1 44:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 115:1 121:1

0 0:1 8:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 116:1 121:1

可視化配置組件參數

Designer支援通過可視化方式，配置XGBoost訓練組件參數。

頁簽	參數名稱	類型	參數描述
欄位設定	標籤列名	字串	標籤列名。
	特徵列名數組	字串數組	表格式資料中特徵列。和向量列名互斥，代表輸入資料的格式為表格式資料。
	向量列名	字串	LibSVM格式資料列名，和特徵列名數組互斥。代表輸入資料的格式為LibSVM資料。
	權重列名	字串	權重列對應的列名。
	設定模型路徑	字串	設定模型儲存的OSS Bucket路徑。
參數設定	訓練的輪數	整型數值	訓練的輪數。
	objective	字串	目標函數，預設值為binary:logistic。
	Base score	浮點數值	全域bias，預設值為0.5。
	類別數	整型數值	多分類中類別個數。
	構建樹的方法	字串	構建樹的方法，取值如下。自動（auto）（預設值）精確（exact）近似（approx）長條圖（hist）
	L1 正則項	浮點數值	L1正則項，預設值為0.0。
	L2 正則項	浮點數值	L2正則項，預設值為1.0。
	學習率	浮點數值	學習率，預設值為0.3。
	scale_pos_weight	浮點數值	控制正負樣本比例，預設值為1.0。
	sketch_eps	浮點數值	構建樹方法為approx時，控制分箱個數，預設值為0.03。
	連續特徵的最大分割箱數	整型數值	構建樹方法為hist時，控制分箱個數，預設值為256。
	樹的最大深度	整型數值	樹的最大深度，預設值為6。
	最大節點個數	整型數值	分葉節點最大個數，預設值為0。
	節點的最小權重	浮點數值	節點的最小權重，預設值為1.0。
	Max delta step	浮點數值	分葉節點的最大步長，可以調節模型精細度，預設值為0.0。
	樣本採樣比例	浮點數值	樣本採樣比例，預設值為1。
	採樣方法	字串	樣本採樣方法，取值如下。 GRADIENT_BASED（預設值） UNIFORM
	每一層的列採樣比例	浮點數值	按層進行列採樣的比例，預設值為1.0。
	每個節點的列採樣比例	浮點數值	按節點進行列採樣的比例，預設值為1.0。
	每棵樹的列採樣比例	浮點數值	按樹進行列採樣的比例，預設值為1.0。
	Grow Policy	字串	樹生長的規則，取值如下。 depthwise（預設值） lossguide
	節點分裂最小損失變化	浮點數值	最小分裂loss，預設值為0.0。
	互動約束	字串	interaction約束。
	單調約束	字串	monotone約束。
	Tweedie variance power	浮點數值	Tweedie分布方差。Tweedie分布中有效。預設值為1.5。
執行調優	節點個數	正整數	與單個節點記憶體大小參數配對使用。取值範圍為[1, 9999]。
執行調優	單個節點記憶體大小	正整數	單位為兆。取值範圍為[1024, 64*1024]。

使用樣本

本樣本使用Designer預置模板，通過希格斯玻色子事件的分類情境，介紹如何在Designer中使用XGBoost演算法。關於如何建立使用XGBoost演算法探究希格斯玻色子事件分類案例工作流程，請參見建立工作流程：預置模板。

其中：

XGBoost預測組件輸出為原生XGBoost庫輸出的JSON序列化，如果您想在工作流程中接入二分類評估組件，您需要在XGBoost預測組件的下遊接入SQL指令碼組件，並配置以下代碼，將XGBoost預測組件輸出的JSON序列化轉換為二分類評估組件需要的格式。更多內容，請參見XGBoost參數說明。

set odps.sql.udf.getjsonobj.new=true;

select *, CONCAT("{\"0\":", 1.0-prob, ",\"1\":", prob, "}") as detail
FROM (
select *, cast(get_json_object(pred, '$[0]') as double) as prob FROM ${t1})

Platform For AI：XGBoost訓練

使用限制

資料格式

可視化配置組件參數

使用樣本

相關文檔

f0	f1	label
0.1	1	0
0.9	2	1