给定一个分组列,分层采样算法组件按照这些列的不同值,将输入数据分成不同的组,并在每组中分别进行随机采样。
组件配置
您可以使用以下任意一种方式,配置分层采样组件参数。
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 | 分组列 | 选择分组列字段,分层按照此列划分。 |
参数设置 | 采样个数 | 取值为正整数。 |
采样比例 | 取值为浮点数,范围(0,1)。 | |
随机种子值 | 系统自动生成,默认值为1234567。 | |
执行调优 | 计算核心数 | 取值为正整数,默认系统自动分配。 |
每个核内存大小 | 取值为正整数,范围(1, 65536),默认系统自动分配。 |
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 StratifiedSample
-project algo_public
-DinputTableName="test_input"
-DoutputTableName="test_output"
-DstrataColName="label"
-DsampleSize="A:200,B:300,C:500"
-DrandomSeed=1007
-Dlifecycle=30;
参数名称 | 是否必选 | 参数描述 | 默认值 |
inputTableName | 是 | 输入表的名称 | 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,则使用半角逗号(,)分隔。 | 所有分区 |
outputTableName | 是 | 输出结果表 | 无 |
strataColName | 是 | 层次列,即按照此列作为key分层。 | 无 |
sampleSize | 否 | 采样个数
说明
| 无 |
sampleRatio | 否 | 采样比例
| 无 |
randomSeed | 否 | 随机数种子,取值范围为正整数。 | 123456 |
lifecycle | 否 | 输出表的生命周期,取值范围为[1,3650]。 | 无 |
coreNum | 否 | 计算的核心数目,取值范围为正整数。 | 系统自动分配 |
memSizePerCore | 否 | 每个核心的内存(单位是MB),取值范围为(1, 65536)。 | 系统自动分配 |