Anda dapat menggunakan komponen GMM Prediction untuk melakukan prediksi pengelompokan berdasarkan Gaussian Mixture Model (GMM) yang telah dilatih. Topik ini menjelaskan cara mengonfigurasi komponen GMM Prediction.
Batasan
Engine komputasi yang didukung adalah MaxCompute, Flink, atau DLC.
Konfigurasi komponen di UI
Anda dapat mengonfigurasi parameter komponen di UI Designer.
|
Tab |
Parameter |
Description |
|
Field setting |
Vector column name |
Nama kolom vektor. |
|
Reserved columns |
Kolom yang ingin Anda pertahankan oleh algoritma. |
|
|
Parameter setting |
Prediction result column name |
Nama kolom hasil prediksi. |
|
Prediction detail column name |
Nama kolom detail prediksi. |
|
|
Number of threads for the component |
Jumlah thread untuk komponen ini. Nilai default-nya adalah 1. |
|
|
Execution tuning |
Number of workers |
Digunakan bersama parameter Memory per worker (MB). Nilainya harus berupa bilangan bulat antara 1 hingga 9999. Untuk informasi selengkapnya, lihat Lampiran: Cara memperkirakan penggunaan resource. |
|
Memory per worker (MB) |
Nilainya berkisar antara 1024 MB hingga 64 × 1024 MB. Untuk informasi selengkapnya, lihat Lampiran: Cara memperkirakan penggunaan resource. |
Lampiran: Cara memperkirakan penggunaan resource
Gunakan informasi berikut untuk memperkirakan penggunaan resource.
-
Bagaimana cara memperkirakan memori yang digunakan oleh setiap node?
Memori yang dibutuhkan untuk setiap node kira-kira 30 kali ukuran model.
Misalnya, jika ukuran model input adalah 1 GB, atur memori untuk setiap node menjadi 30 GB.
-
Bagaimana cara memperkirakan jumlah node yang akan digunakan?
Karena adanya overhead komunikasi, kecepatan tugas pelatihan terdistribusi awalnya meningkat lalu menurun seiring penambahan jumlah node. Jika Anda mengamati bahwa tugas melambat setelah menambah jumlah node, hentikan penambahan node lebih lanjut.