swing推荐 - 人工智能平台 PAI

swing推荐是swing的批处理预测组件，您可以使用该组件基于swing训练模型和预测数据进行离线预测。本文为您介绍swing推荐的参数配置。

使用限制

支持运行的计算资源为MaxCompute和Flink。

组件配置

您可以通过以下任意一种方式，配置swing推荐参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数名称	描述
字段设置	Item列列名	Item列的名称。
	初始推荐列列名	初始推荐列的名称。
	算法保留列名	算法保留列的名称。
参数设置	推荐结果列名	推荐结果列的名称。
	推荐TOP数量	推荐的TOP数量，默认为10。
	组件多线程线程个数	组件多线程的线程个数，默认为1。
执行调优	节点个数	节点个数，与参数单个节点内存大小配对使用，正整数。范围为[1, 9999]。
执行调优	单个节点内存大小，单位M	单个节点内存大小，单位MB，正整数。范围[1024, 64*1024]。

方式二：Python代码方式

使用PyAlink脚本组件配置该组件参数。您可以使用PyAlink脚本组件进行Python代码调用，详情请参见PyAlink脚本。

参数名称	是否必选	描述	默认值
itemCol	是	Item列的名称。	无
recommCol	是	推荐结果列的名称。	无
initRecommCol	否	初始推荐列的名称。	无
k	否	推荐的TOP数量。	10
reservedCols	否	算法保留列的名称。	无
numThreads	否	组件多线程的线程个数。	1

Python代码方式的使用示例如下。

df_data = pd.DataFrame([
      ["a1", "11L", 2.2],
      ["a1", "12L", 2.0],
      ["a2", "11L", 2.0],
      ["a2", "12L", 2.0],
      ["a3", "12L", 2.0],
      ["a3", "13L", 2.0],
      ["a4", "13L", 2.0],
      ["a4", "14L", 2.0],
      ["a5", "14L", 2.0],
      ["a5", "15L", 2.0],
      ["a6", "15L", 2.0],
      ["a6", "16L", 2.0],
])

data = BatchOperator.fromDataframe(df_data, schemaStr='user string, item string, rating double')

model = SwingTrainBatchOp()\
    .setUserCol("user")\
    .setItemCol("item")\
    .setMinUserItems(1)\
    .linkFrom(data)

predictor = SwingRecommBatchOp()\
    .setItemCol("item")\
    .setRecommCol("prediction_result")

predictor.linkFrom(model, data).print()

使用示例

您可以使用swing推荐组件构建如下工作流。本示例中，您需要按照以下流程配置组件：

使用读数据表-1组件读取测试数据集。即配置读数据表组件的表名参数为存放测试数据集的表名，关于如何获取测试数据集表名，详情请参见使用示例。
通过swing训练组件构建模型。
将测试数据集和模型接入swing推荐组件，并配置具体参数，详情请参见上文的可视化配置组件参数。