随机森林是一个包括多决策树的分类器,其分类结果由单棵树输出类别的众数决定。
组件配置
您可以使用以下任意一种方式,配置随机森林组件参数。
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 | 选择特征列 | 默认为除标签列和权重列外的所有列。 |
排除列 | 不参与训练的列,不能与选择特征列同时使用。 | |
强制转换列 | 解析规则如下:
说明 如果需要将BIGINT类型的列解析为CATEGORICAL,则必须使用forceCategorical参数指定类型。 | |
权重列的列名 | 列可以对每行样本进行加权,支持数值类型。 | |
标签列 | 输入表的标签列,支持STRING及数值类型。 | |
参数设置 | 森林中树的个数 | 取值范围为1~1000。 |
单颗树的算法在森林中的位置 | 如果有N棵树,且algorithmTypes=[a,b],则:
例如,在一个拥有5棵树的森林中,如果[2,4]表示0,则1为ID3算法,2,3为CART算法,4为C4.5算法。如果输入None,则算法在森林中均分。 | |
单棵树随机特征数 | 取值范围为[1,N],N表示Feature数量。 | |
叶节点数据的最小个数 | 取值范围为正整数,默认值为2。 | |
叶节点数据个数占父节点的最小比例 | 取值范围为[0,1],默认值为0。 | |
单颗树的最大深度 | 取值范围为[1,+∞),默认值为无穷。 | |
单颗树输入的随机数据个数 | 取值范围为(1000,1000000],默认值为100000。 |
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 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";
参数 | 是否必选 | 描述 | 默认值 |
inputTableName | 是 | 输入表。 | 无 |
inputTablePartitions | 否 | 输入表中,参与训练的分区。支持以下格式:
说明 如果指定多个分区,则使用英文逗号(,)分隔。 | 所有分区 |
labelColName | 是 | 输入表中,标签列的列名。 | 无 |
modelName | 是 | 输出的模型名。 | 无 |
treeNum | 是 | 森林中树的数量,取值范围为1~1000。 | 100 |
excludedColNames | 否 | 不参与训练的列,不能与featureColNames同时使用。 | 空 |
weightColName | 否 | 输入表中的权重列名。 | 无 |
featureColNames | 否 | 输入表中,用于训练的特征列名。 | 除labelColName与weightColName外的所有列 |
forceCategorical | 否 | 解析规则如下:
说明 如果需要将BIGINT类型的列解析为CATEGORICAL,则必须使用forceCategorical参数指定类型。 | INT为连续类型 |
algorithmTypes | 否 | 单棵树的算法在森林中的位置。如果有N棵树,且algorithmTypes=[a,b],则:
例如,在一个拥有5棵树的森林中,[2,4]表示0,则1为ID3算法,2,3为CART算法,4为C4.5算法。如果输入None,则算法在森林中均分。 | 算法在森林中均分 |
randomColNum | 否 | 生成单棵树时,每次分裂选择的随机特征数量。取值范围为[1,N],N表示Feature数量。 | log 2N |
minNumObj | 否 | 叶节点数据的最小个数,取值范围为正整数。 | 2 |
minNumPer | 否 | 叶节点数据个数占父节点的最小比例,取值范围为[0,1]。 | 0.0 |
maxTreeDeep | 否 | 单颗树的最大深度,取值范围为[1,+∞)。 | 无穷 |
maxRecordSize | 否 | 单棵树输入的随机数据个数,取值范围为(1000,1000000]。 | 100000 |
示例
使用SQL语句,生成训练数据。
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,提交随机森林算法组件参数。
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>
查看模型可视化输出。