洛伦兹曲线 - 人工智能平台 PAI

通过洛伦兹曲线，您可以直观地看到一个国家或地区收入分配状况。洛伦兹曲线的弯曲程度反映了收入分配的不平等程度。弯曲程度越大，收入分配越不平等。

画一个矩形，矩形的高用于衡量社会财富的百分比，将之分为N等份，每一等分为1/N的社会总财富。在矩形的长上，将所有家庭从最贫者到最富者自左向右排列，也分为N等分，第一个等份代表收入最低的1/N的家庭。在这个矩形中，将每1/N的家庭所有拥有的财富的占比累积起来，并将相应的点画在图中，便得到了一条曲线就是洛伦兹曲线。

组件配置

您可以使用以下任意一种方式，配置洛伦兹曲线组件参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数	描述
字段设置	选择字段列	无
参数设置	分位数	默认值为100。
执行调优	计算的核心数	计算的核心数，取值为正整数。
执行调优	每个核心的内存（MB）	每个核心的内存。

方式二：PAI命令方式

使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。

PAI -name LorenzCurve
    -project algo_public
    -DinputTableName=maple_test_lorenz_basic10_input
    -DcolName=col0
    -DoutputTableName=maple_test_lorenz_basic10_output -DcoreNum=20
    -DmemSizePerCore=110;

参数名称	是否必选	描述	默认值
inputTableName	是	输入表的名称。	无
outputTableName	是	输出表名称列表。	无
ColName	否	输入表选择列名称。支持选择多列，列之间使用英文逗号（,）分隔。	无
N	否	分位数。	100
inputTablePartitions	否	输入表中，参与训练的分区。系统支持以下格式： Partition_name=value name1=value1/name2=value2：多级分区说明指定多个分区时，分区之间使用英文逗号（,）分隔。	无
lifecycle	否	指定输出表的生命周期。取值为整数。单位：天。	28
coreNum	否	与参数memSizePerCore配对使用，取值为正整数。系统会根据输入数据量计算所起instance的数量。	默认自动计算
memSizePerCore	否	单个节点内存大小，单位MB。取值为正整数，取值范围建议为(1024, 64*1024)。	默认自动计算

示例

生成如下测试数据。
col0:double
4
7
2
8
6
3
9
5
0
1
10

执行如下PAI命令。

PAI -name LorenzCurve
    -project algo_public
    -DinputTableName=maple_test_lorenz_basic10_input
    -DcolName=col0
    -DoutputTableName=maple_test_lorenz_basic10_output
    -DcoreNum=20
    -DmemSizePerCore=110;

查看输出结果，如下表所示。

quantile	col0
0	0
1	0.01818181818181818
2	0.01818181818181818
3	0.01818181818181818
4	0.01818181818181818
5	0.01818181818181818
6	0.01818181818181818
7	0.01818181818181818
8	0.01818181818181818
9	0.01818181818181818
10	0.01818181818181818
11	0.05454545454545454
12	0.05454545454545454
13	0.05454545454545454
14	0.05454545454545454
...	...
85	0.8181818181818182
86	0.8181818181818182
87	0.8181818181818182
88	0.8181818181818182
89	0.8181818181818182
90	1
91	1
92	1
93	1
94	1
95	1
96	1
97	1
98	1
99	1
100	1

col0:double
4
7
2
8
6
3
9
5
0
1
10