分层采样 - 人工智能平台 PAI

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。
执行调优	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： Partition_name=value name1=value1/name2=value2：多级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	采样个数正整数：表示每个层的采样个数。字符串：格式为strata0:n0，strata1:n1，表示每个层分别配置的采样个数。说明当sampleSize与sampleRatio都为空时，系统会报错。当sampleSize与sampleRatio都不为空时，以sampleSize为准。	无
sampleRatio	否	采样比例数字：范围(0,1)，表示每个stratum的采样比例。字符串：格式为strata0:r0,strata1:r1，表示每个层分别配置采样比例。	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