Histograma - Platform For AI - Centro de documentación de Alibaba Cloud

Visualized Modeling (Designer) de Platform for AI (PAI) incluye el componente de histograma. El histograma, también conocido como perfil de distribución de masas, es un gráfico estadístico compuesto por una serie de barras verticales o segmentos de línea con distintas alturas que muestran la distribución de los datos. El eje horizontal representa los tipos de datos y el eje vertical muestra su distribución.

Configurar el componente

Utilice uno de los siguientes métodos para configurar el componente Histogram (Multiple Columns).

Método 1: Configurar el componente en la página del pipeline

En la página del pipeline de Designer, busque Histogram (Multiple Columns) en el panel izquierdo. Arrástrelo al lienzo y conéctelo a los nodos anteriores. A continuación, haga clic en el componente para configurar los parámetros.

Pestaña	Parámetro	Descripción
Fields Setting	Select Column	Seleccione las columnas que se analizarán. Solo se admiten los tipos DOUBLE y BIGINT. Se permite un máximo de 1,024 columnas.
Parameters Setting	Intervals	Número de intervalos en los que se dividen los datos.
Tuning	Cores	Cantidad de núcleos utilizados en el cálculo. El valor debe ser un entero positivo. De forma predeterminada, el sistema selecciona este valor automáticamente.
Tuning	Memory Size per Core	Tamaño de memoria de cada núcleo. Valores válidos: de 1 a 65536. Unidad: MB. De forma predeterminada, el sistema selecciona este valor automáticamente.

Una vez ejecutado el nodo, haga clic derecho sobre él y seleccione Visual Analysis o View Data para consultar su salida.

Método 2: Usar comandos de PAI

Configure los parámetros del componente mediante el componente SQL Script para invocar comandos de PAI. Para obtener más información, consulte SQL script.

PAI -name histogram
      -project algo_public
      -DinputTableName=maple_histogram_1to20_input
      -DoutputTableName=maple_histogram_1to20_output
      -DselectedColNames=col0,col1 -DintervalNum=20;

Parámetro	Obligatorio	Descripción	Valor predeterminado
inputTableName	Sí	Nombre de la tabla de entrada.	Sin valor predeterminado
inputTablePartitions	No	Particiones seleccionadas de la tabla de entrada para el entrenamiento. Se admiten los siguientes formatos: Partition_name=value name1=value1/name2=value2: particiones multinivel Nota Si especifica varias particiones, sepárelas con comas (,).	Sin valor predeterminado
outputTableName	Sí	Nombre de la tabla de salida.	Sin valor predeterminado
selectedColNames	Sí	Nombres de las columnas seleccionadas de la tabla de entrada para el entrenamiento. Separe los nombres de varias columnas con comas (,). Se admiten los tipos INT y DOUBLE. Se permite un máximo de 1,024 columnas.	Sin valor predeterminado
intervalNum	No	Número de intervalos en los que se dividen los datos.	100
lifecycle	No	Ciclo de vida de la tabla.	Sin valor predeterminado
coreNum	No	Cantidad de núcleos utilizados en el cálculo. El valor debe ser un entero positivo. Valores válidos: [1,9999].	Seleccionado automáticamente por el sistema
memSizePerCore	No	Tamaño de memoria de cada núcleo. Valores válidos: de 1 a 65536. Unidad: MB.	Seleccionado automáticamente por el sistema

Ejemplo

Ejemplo para Method 2: Use PAI commands

Busque SQL Script en el panel izquierdo y arrástrelo al lienzo.

Conéctelo a los nodos anteriores para obtener los datos. Datos de muestra:

Datos de muestra

col0 (BIGINT)	col1 (DOUBLE)
1	1.0
2	2.0
3	3.0
4	4.0
5	5.0
6	6.0
7	7.0
8	8.0
9	9.0
10	10.0
11	11.0
12	12.0
13	13.0
14	14.0
15	15.0
16	16.0
17	17.0
18	18.0
19	19.0
20	20.0

Configure el siguiente comando de PAI para el nodo de script SQL.

PAI -name histogram -project algo_public  --Default parameter. You do not need to change it     
    -DinputTableName=maple_histogram_1to20_input  --Name of input table
    -DoutputTableName=maple_histogram_1to20_output  --Name of output table
    -DselectedColNames=col0,col1  --The selected columns
    -DintervalNum=20;  --The number of intervals

Haga clic derecho en el nodo de script SQL y seleccione Run Current Node.

Si los nodos anteriores no se han ejecutado, ejecútelos primero para leer los datos.

Consulte el resultado en la tabla de salida. Salida de muestra:

colname	histogram
col0	[1, 1.95):1;[1.95, 2.9):1;[2.9, 3.85):1;[3.85, 4.8):1;[4.8, 5.75):1;[5.75, 6.7):1;[6.7, 7.65):1;[7.65, 8.6):1;[8.6, 9.55):1;[9.55, 10.5):1;[10.5, 11.45):1;[11.45, 12.4):1;[12.4, 13.35):1;[13.35, 14.3):1;[14.3, 15.25):1;[15.25, 16.2):1;[16.2, 17.15):1;[17.15, 18.1):1;[18.1, 19.05):1;[19.05, 20]:1
col1	[1, 1.95):1;[1.95, 2.9):1;[2.9, 3.85):1;[3.85, 4.8):1;[4.8, 5.75):1;[5.75, 6.7):1;[6.7, 7.65):1;[7.65, 8.6):1;[8.6, 9.55):1;[9.55, 10.5):1;[10.5, 11.45):1;[11.45, 12.4):1;[12.4, 13.35):1;[13.35, 14.3):1;[14.3, 15.25):1;[15.25, 16.2):1;[16.2, 17.15):1;[17.15, 18.1):1;[18.1, 19.05):1;[19.05, 20]:1