Todos los productos
Search

Este producto

    Platform For AI:Random Forest

    Centro de documentos

    Platform For AI:Random Forest

    Última actualización: Sep 04, 2026

    Un Random Forest es un clasificador compuesto por varios árboles de decisión. Su salida corresponde a la moda de las clases de los árboles individuales.

    Configuración del componente

    Configure los parámetros del componente Random Forest mediante uno de los siguientes métodos.

    Método 1: GUI

    Configure los parámetros del componente en la página de pipeline de Machine Learning Designer.

    Pestaña

    Parámetro

    Descripción

    field settings

    feature columns

    De forma predeterminada, se utilizan todas las columnas excepto las de etiqueta y peso.

    excluded columns

    Este parámetro no se puede utilizar junto con feature columns.

    Force conversion columns

    Las reglas de análisis son a continuación:

    • Las columnas de tipo STRING, BOOLEAN y DATETIME se interpretan como tipo discreto.

    • Las columnas de tipo DOUBLE y BIGINT se interpretan como tipo continuo.

    Nota

    Para interpretar una columna BIGINT como CATEGORICAL, utilice el parámetro forceCategorical.

    weight column

    Columna utilizada para ponderar cada fila de muestra. Solo se admiten tipos numéricos.

    label column

    Columna de etiqueta de la tabla de entrada. Se admiten tipos STRING y numéricos.

    parameter settings

    Number of trees

    Valores válidos: de 1 a 1000.

    Algorithm distribution

    Especifica cómo se distribuyen los distintos algoritmos de árbol en el bosque. Si un bosque tiene N árboles y establece este parámetro en algorithmTypes=[a,b], los algoritmos se asignan de la siguiente manera:

    • El rango [0,a) usa el algoritmo ID3.

    • El rango [a,b) usa el algoritmo CART.

    • El rango [b,N] usa el algoritmo C4.5.

    Por ejemplo, en un bosque con cinco árboles, si establece el parámetro en [2,4], el árbol 1 usa el algoritmo ID3, los árboles 2 y 3 usan el algoritmo CART, y los árboles 4 y 5 usan el algoritmo C4.5. Si introduce None, los algoritmos se distribuyen uniformemente en el bosque.

    Number of random features per tree

    Valores válidos: [1,N], donde N es el número total de características.

    Minimum samples per leaf node

    Debe ser un entero positivo. El valor predeterminado es 2.

    Minimum sample ratio per leaf node

    Proporción mínima de muestras en un nodo hoja respecto a su nodo padre. Valores válidos: [0,1]. El valor predeterminado es 0.

    Maximum tree depth

    Valores válidos: [1,+∞). El valor predeterminado es ilimitado.

    Number of random input samples per tree

    Valores válidos: (1000,1000000]. El valor predeterminado es 100000.

    Método 2: Comando PAI

    Utilice un comando PAI para configurar los parámetros del componente. Ejecute el comando PAI mediante el componente de script SQL. Para obtener más información, consulte SQL script.

     PAI -name randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -DmodelName="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";

    Parámetro

    Obligatorio

    Descripción

    Valor predeterminado

    inputTableName

    Sí

    Tabla de entrada.

    N/A

    inputTablePartitions

    No

    Particiones de la tabla de entrada para entrenamiento. Formatos compatibles:

    • Partition_name=value

    • name1=value1/name2=value2: formato multinivel

    Nota

    Para especificar varias particiones, sepárelas con comas (,).

    Todas las particiones

    labelColName

    Sí

    Nombre de la columna de etiqueta en la tabla de entrada.

    N/A

    modelName

    Sí

    Nombre del modelo de salida.

    N/A

    treeNum

    Sí

    Número de árboles en el bosque. Valores válidos: de 1 a 1000.

    100

    excludedColNames

    No

    Este parámetro no se puede utilizar junto con featureColNames.

    Vacío

    weightColName

    No

    Nombre de la columna de peso en la tabla de entrada.

    N/A

    featureColNames

    No

    Nombres de las columnas de características utilizadas para entrenamiento.

    Todas las columnas excepto las especificadas para labelColName y weightColName.

    forceCategorical

    No

    Las reglas de análisis son a continuación:

    • Las columnas de tipo STRING, BOOLEAN y DATETIME se interpretan como tipo discreto.

    • Las columnas de tipo DOUBLE y BIGINT se interpretan como tipo continuo.

    Nota

    Para interpretar una columna BIGINT como CATEGORICAL, utilice el parámetro forceCategorical.

    INT se trata como tipo continuo.

    algorithmTypes

    No

    Especifica cómo se distribuyen los distintos algoritmos de árbol en el bosque. Si un bosque tiene N árboles y algorithmTypes=[a,b]:

    • El rango [0,a) usa el algoritmo ID3.

    • El rango [a,b) usa el algoritmo CART.

    • El rango [b,N] usa el algoritmo C4.5.

    Por ejemplo, en un bosque con cinco árboles y configuración [2,4], el árbol 1 usa el algoritmo ID3, los árboles 2 y 3 usan el algoritmo CART, y los árboles 4 y 5 usan el algoritmo C4.5. Si introduce None, los algoritmos se distribuyen uniformemente en el bosque.

    Los algoritmos se distribuyen uniformemente.

    randomColNum

    No

    Número de características aleatorias a considerar en cada división al construir un árbol de decisión. Valores válidos: [1,N], donde N es el número total de características.

    log2N

    minNumObj

    No

    Número mínimo de muestras requeridas en un nodo hoja. Debe ser un entero positivo.

    2

    minNumPer

    No

    Proporción mínima de muestras en un nodo hoja respecto a su nodo padre. Valores válidos: [0,1].

    0.0

    maxTreeDeep

    No

    Profundidad máxima de un árbol individual. Valores válidos: [1,+∞).

    Ilimitado

    maxRecordSize

    No

    Número de muestras aleatorias utilizadas para construir un árbol individual. Valores válidos: (1000,1000000].

    100000

    Ejemplo

    1. Utilice la siguiente sentencia SQL para generar datos de entrenamiento:

      create table pai_rf_test_input as
select * from
(
  select 1 as f0,2 as f1, "good" as class
  union all
  select 1 as f0,3 as f1, "good" as class
  union all
  select 1 as f0,4 as f1, "bad" as class
  union all
  select 0 as f0,3 as f1, "good" as class
  union all
  select 0 as f0,4 as f1, "bad" as class
)tmp;

    2. Utilice el siguiente comando PAI para enviar los parámetros del componente Random Forest:

      PAI -name randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -DmodelName="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";

    3. Consulte el modelo en Predictive Model Markup Language (PMML).

      <?xml version="1.0" encoding="utf-8"?>
<PMML xmlns="http://www.dmg.org/PMML-4_2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="4.2" xsi:schemaLocation="http://www.dmg.org/PMML-4_2 http://www.dmg.org/v4-2/pmml-4-2.xsd">
  <Header copyright="Copyright (c) 2014, Alibaba Inc." description="">
    <Application name="ODPS/PMML" version="0.1.0"/>
    <Timestamp>Tue, 12 Jul 2016 07:04:48 GMT</Timestamp>
  </Header>
  <DataDictionary numberOfFields="2">
    <DataField name="f0" optype="continuous" dataType="integer"/>
    <DataField name="f1" optype="continuous" dataType="integer"/>
    <DataField name="class" optype="categorical" dataType="string">
      <Value value="bad"/>
      <Value value="good"/>
    </DataField>
  </DataDictionary>
  <MiningModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"/>
    <MiningSchema>
      <MiningField name="f0" usageType="active"/>
      <MiningField name="f1" usageType="active"/>
      <MiningField name="class" usageType="target"/>
    </MiningSchema>
    <Segmentation multipleModelMethod="majorityVote">
      <Segment id="0">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimplePredicate field="f1" operator="equal" value="2"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f1" operator="equal" value="3"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
            <Node id="4" score="bad"
              <SimplePredicate field="f1" operator="equal" value="4"/>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="1">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimpleSetPredicate field="f1" booleanOperator="isIn">
                <Array n="2" type="integer"2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="good" recordCount="3"/>
            </Node>
            <Node id="3" score="bad">
              <SimpleSetPredicate field="f1" booleanOperator="isNotIn">
                <Array n="2" type="integer"2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="2">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="bad">
              <SimplePredicate field="f0" operator="lessOrEqual" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f0" operator="greaterThan" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
    </Segmentation>
  </MiningModel>
</PMML>

    4. Consulte la visualización del modelo.