您可以使用原始数据和随机森林模型,计算特征重要性。
组件配置
您可以使用以下任意一种方式,配置随机森林特征重要性组件参数。
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 | 输入表中,用于训练的特征列。默认选中除Label外的所有列,为可选项。 |
选择目标列 | 该参数为必选项。 单击图标,在选择字段对话框中,输入关键字搜索列,选中后单击确定。 | |
参数设置 | 并行计算核数 | 并行计算的核心数,可选。 |
每个核内存大小 | 每个核的内存大小,单位为MB,可选。 |
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 feature_importance -project algo_public
-DinputTableName=pai_dense_10_10
-DmodelName=xlab_m_random_forests_1_20318_v0
-DoutputTableName=erkang_test_dev.pai_temp_2252_20319_1
-DlabelColName=y
-DfeatureColNames="pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign,poutcome"
-Dlifecycle=28 ;
参数名称 | 是否必选 | 描述 | 默认值 |
inputTableName | 是 | 输入表的名称。 | 无 |
outputTableName | 是 | 输出表的名称。 | 无 |
labelColName | 是 | 输入表的标签列名。 | 无 |
modelName | 是 | 输入的模型名称。 | 无 |
featureColNames | 否 | 输入表选择的特征列。 | 除Label外的所有列 |
inputTablePartitions | 否 | 输入表选择的分区名称。 | 选择全表 |
lifecycle | 否 | 输出表的生命周期。 | 不设置 |
coreNum | 否 | 核心数。 | 自动计算 |
memSizePerCore | 否 | 内存数,单位为MB。 | 自动计算 |
示例
使用SQL语句,生成训练数据。
drop table if exists pai_dense_10_10; create table if not exists pai_dense_10_10 as select age,campaign,pdays, previous, poutcome, emp_var_rate, cons_price_idx, cons_conf_idx, euribor3m, nr_employed, y from bank_data limit 10;
构建如下实验,详情请参见算法建模。
数据源为pai_dense_10_10,y为随机森林的标签列,其它列为特征列。强制转换列选择age和campaign,表示将这两列作为枚举特征处理,其它使用默认参数。
运行实验,查看预测结果。
运行完成后,右键单击随机森林特征重要性组件,选择查看分析报告,查看结果。