高斯混合模型(Gaussian Mixture Model)表示在总体分布中包含K个高斯子分布的概率模型。您可以使用高斯混合模型训练组件实现模型分类。本文为您介绍高斯混合模型训练组件的配置方法。
使用限制
支持的计算引擎为MaxCompute、Flink或DLC。
可视化配置组件参数
Designer支持通过可视化的方式,配置组件参数。
页签 | 参数 | 描述 |
字段设置 | 向量列名 | 向量列对应的列名。 |
参数设置 | 收敛阈值 | 当两轮迭代的中心点距离小于收敛阈值时,算法收敛。默认为1.0E~4。 |
聚类中心点数量 | 聚类中心点的数量,默认为2。 | |
最大迭代步数 | 最大迭代步数,默认为100。 | |
随机数种子 | 正整数,默认为0。 | |
执行调优 | 节点个数 | 与单个节点内存大小参数配对使用。取值为[1, 9999]的正整数。具体配置方法,详情请参见附录:如何预估资源的使用量。 |
单个节点内存大小,单位M | 取值范围为1024 MB~64*1024 MB,具体配置方法,详情请参见附录:如何预估资源的使用量。 |
附录:如何预估资源的使用量
您可以参考以下示例,来预估资源的使用量。
如何预估每个节点的内存大小?
假设聚类中心点数量为K,输入数据的向量维度为M,则每个节点需要配置的内存大小为:M × M × K × 8 × 2 ×12,即M × M × K × 8 × 2 × 12 ÷ 1024 ÷ 1024 MB。通常每个节点的内存配置为8 GB。
如何预估节点的个数?
建议按照输入数据的大小配置。例如:输入数据大小为X GB,则建议使用5X个节点。如果资源不足,可以适当降低节点数量。由于存在通信开销,随着节点数量的增加,分布式训练任务速度会先变快,后变慢。如果您观测到训练任务随着节点数量增加之后,速度变慢,则应该停止增加节点数量。
该算法组件支持的数据量大小?
建议向量维度小于200。