什么是XGBoost训练算法组件 - 人工智能平台 PAI

XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost训练组件在XGBoost算法的基础上进行了包装，使功能和PAI更兼容，更易用。本文为您介绍XGBoost训练组件的配置方法。

使用限制

支持的计算引擎为MaxCompute、Flink和DLC。

数据格式

当前支持Table格式和LibSVM格式的数据。

Table格式示例如下：
f0
f1
label
0.1
1
0
0.9
2
1

LibSVM格式示例如下：

示例数据

1 2:1 9:1 10:1 20:1 29:1 33:1 35:1 39:1 40:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1

0 0:1 9:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 115:1 121:1

1 2:1 8:1 18:1 20:1 29:1 33:1 35:1 39:1 41:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1

0 2:1 9:1 13:1 21:1 28:1 33:1 36:1 38:1 40:1 53:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 97:1 105:1 113:1 119:1

0 0:1 9:1 18:1 20:1 22:1 33:1 35:1 38:1 44:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 115:1 121:1

0 0:1 8:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 116:1 121:1

可视化配置组件参数

Designer支持通过可视化方式，配置XGBoost训练组件参数。

页签	参数名称	类型	参数描述
字段设置	标签列名	字符串	标签列名。
	特征列名数组	字符串数组	表格数据中特征列。和向量列名互斥，代表输入数据的格式为表格数据。
	向量列名	字符串	LibSVM格式数据列名，和特征列名数组互斥。代表输入数据的格式为LibSVM数据。
	权重列名	字符串	权重列对应的列名。
	设置模型路径	字符串	设置模型存储的OSS Bucket路径。
参数设置	训练的轮数	整型数值	训练的轮数。
	objective	字符串	目标函数，默认值为binary:logistic。
	Base score	浮点数值	全局bias，默认值为0.5。
	类别数	整型数值	多分类中类别个数。
	构建树的方法	字符串	构建树的方法，取值如下。自动（auto）（默认值）精确（exact）近似（approx）直方图（hist）
	L1 正则项	浮点数值	L1正则项，默认值为0.0。
	L2 正则项	浮点数值	L2正则项，默认值为1.0。
	学习率	浮点数值	学习率，默认值为0.3。
	scale_pos_weight	浮点数值	控制正负样本比例，默认值为1.0。
	sketch_eps	浮点数值	构建树方法为approx时，控制分箱个数，默认值为0.03。
	连续特征的最大分割箱数	整型数值	构建树方法为hist时，控制分箱个数，默认值为256。
	树的最大深度	整型数值	树的最大深度，默认值为6。
	最大节点个数	整型数值	叶节点最大个数，默认值为0。
	节点的最小权重	浮点数值	节点的最小权重，默认值为1.0。
	Max delta step	浮点数值	叶节点的最大步长，可以调节模型精细度，默认值为0.0。
	样本采样比例	浮点数值	样本采样比例，默认值为1。
	采样方法	字符串	样本采样方法，取值如下。 GRADIENT_BASED（默认值） UNIFORM
	每一层的列采样比例	浮点数值	按层进行列采样的比例，默认值为1.0。
	每个节点的列采样比例	浮点数值	按节点进行列采样的比例，默认值为1.0。
	每棵树的列采样比例	浮点数值	按树进行列采样的比例，默认值为1.0。
	Grow Policy	字符串	树生长的规则，取值如下。 depthwise（默认值） lossguide
	节点分裂最小损失变化	浮点数值	最小分裂loss，默认值为0.0。
	交互约束	字符串	interaction约束。
	单调约束	字符串	monotone约束。
	Tweedie variance power	浮点数值	Tweedie分布方差。Tweedie分布中有效。默认值为1.5。
执行调优	节点个数	正整数	与单个节点内存大小参数配对使用。取值范围为[1, 9999]。
执行调优	单个节点内存大小	正整数	单位为兆。取值范围为[1024, 64*1024]。

使用示例

本示例使用Designer预置模板，通过希格斯玻色子事件的分类场景，介绍如何在Designer中使用XGBoost算法。关于如何创建使用XGBoost算法探究希格斯玻色子事件分类案例工作流，请参见创建工作流：预置模板。

其中：

XGBoost预测组件输出为原生XGBoost库输出的JSON序列化，如果您想在工作流中接入二分类评估组件，您需要在XGBoost预测组件的下游接入SQL脚本组件，并配置以下代码，将XGBoost预测组件输出的JSON序列化转换为二分类评估组件需要的格式。更多内容，请参见XGBoost参数说明。

set odps.sql.udf.getjsonobj.new=true;

select *, CONCAT("{\"0\":", 1.0-prob, ",\"1\":", prob, "}") as detail
FROM (
select *, cast(get_json_object(pred, '$[0]') as double) as prob FROM ${t1})

人工智能平台 PAI：XGBoost训练

使用限制

数据格式

可视化配置组件参数

使用示例

相关文档

f0	f1	label
0.1	1	0
0.9	2	1