apa itu komponen XGboost Train - Platform For AI

XGBoost adalah perluasan dari algoritma gradient boosting yang menawarkan peningkatan dalam hal kemudahan penggunaan, keandalan, serta banyak digunakan dalam sistem produksi pembelajaran mesin dan kompetisi. XGBoost dapat digunakan untuk klasifikasi dan regresi. Komponen XGboost Train dioptimalkan berdasarkan XGBoost open source untuk meningkatkan kemudahan penggunaan dan kompatibilitas dengan Platform for AI (PAI). Topik ini menjelaskan cara mengonfigurasi komponen XGboost Train.

Batasan

Komponen XGboost Train dapat digunakan berdasarkan sumber daya MaxCompute, Flink, dan Deep Learning Containers (DLC).

Format data

Format Tabel dan LibSVM didukung.

Contoh data tabel:
f0
f1
label
0.1
1
0
0.9
2
1

Contoh format data LibSVM:

Data contoh

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

0:1 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

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

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

0:1 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

0:1 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

Konfigurasikan komponen di konsol PAI

Anda dapat mengonfigurasi komponen XGboost Train di Machine Learning Designer. Tabel berikut menjelaskan parameter-parameter tersebut.

Tab	Parameter	Tipe	Deskripsi
Field Setting	labelCol	String	Kolom label.
	featureCols	Array string	Kolom fitur dalam format tabel. Nilai parameter featureCols dan vectorCol saling eksklusif. Data input harus bertipe tabel.
	vectorCol	String	Kolom vektor dalam format LibSVM. Nilai parameter featureCols dan vectorCol saling eksklusif. Data input harus bertipe LibSVM.
	weightCol	String	Nama kolom bobot.
	set the model file path	String	Path bucket Object Storage Service (OSS) tempat model disimpan.
Parameter Setting	The number of rounds for boosting	Integer	Jumlah putaran pelatihan.
	objective	String	Tugas pembelajaran dan tujuan pembelajaran yang sesuai. Nilai default: binary:logistic.
	Base score	Bilangan desimal	Bias global, yaitu skor prediksi awal untuk semua instance. Nilai default: 0.5.
	The number of classes	Integer	Jumlah kelas.
	Tree Method	String	Algoritma konstruksi pohon. Nilai default: auto. Nilai valid: auto exact approx hist
	L1 regularization term on weights	Bilangan desimal	Istilah regularisasi L1 pada bobot. Nilai default: 0.0.
	L2 regularization term on weights	Bilangan desimal	Istilah regularisasi L2 pada bobot. Nilai default: 1.0.
	eta	Bilangan desimal	Tingkat pembelajaran. Nilai default: 0.3.
	scale_pos_weight	Bilangan desimal	Keseimbangan antara bobot positif dan negatif. Nilai default: 1.0.
	sketch_eps	Bilangan desimal	Anda dapat menggunakan parameter ini untuk mengontrol jumlah bin. Parameter ini tersedia hanya jika Anda menetapkan parameter Tree Method ke approx. Nilai default: 0.03.
	Maximum number of discrete bins to bucket continuous features	Integer	Jumlah maksimum bin diskrit untuk mem-bucket fitur kontinu. Parameter ini tersedia hanya jika Anda menetapkan parameter Tree Method ke hist. Nilai default: 256.
	Maximum depth of a tree	Integer	Kedalaman maksimum pohon. Nilai default: 6.
	Max leaves	Integer	Jumlah maksimum node daun yang ingin Anda tambahkan. Nilai default: 0.
	Min child weight	Bilangan desimal	Berat minimum yang diperlukan dalam node anak. Nilai default: 1.0.
	Max delta step	Bilangan desimal	Langkah delta maksimum yang diizinkan untuk node daun. Parameter ini memungkinkan Anda menyesuaikan granularitas model. Nilai default: 0.0.
	Subsample ratio of the training instances	Bilangan desimal	Rasio subsampel instance pelatihan. Nilai default: 1.
	Sampling method	String	Metode yang digunakan untuk mensampling instance pelatihan. Nilai default: GRADIENT_BASED. Nilai valid: GRADIENT_BASED UNIFORM
	Subsample ratio of columns for each level	Bilangan desimal	Rasio subsampel kolom untuk setiap level. Nilai default: 1.0.
	Subsample ratio of columns for each node (split)	Bilangan desimal	Rasio subsampel kolom untuk setiap node. Nilai default: 1.0.
	Subsample ratio of columns when constructing each tree	Bilangan desimal	Rasio subsampel kolom saat setiap pohon dibangun. Nilai default: 1.0.
	Grow Policy	String	Metode yang digunakan untuk menambahkan node baru ke pohon. Nilai default: depthwise. Nilai valid: depthwise lossguide
	gamma	Bilangan desimal	Pengurangan loss minimum yang diperlukan untuk membuat partisi berikutnya pada node daun pohon. Nilai default: 0.0.
	Interaction constraints	String	Grup variabel yang diizinkan untuk berinteraksi.
	Monotone constraints	String	Batas monotonik dari sebuah fitur.
	Tweedie variance power	Bilangan desimal	Variansi distribusi Tweedie. Parameter ini valid hanya dalam distribusi Tweedie. Nilai default: 1.5.
Execution Tuning	Number of Workers	Integer positif	Jumlah node pekerja. Parameter ini harus digunakan bersama dengan parameter Memory per worker, unit MB. Nilai valid: [1, 9999].
Execution Tuning	Memory per worker, unit MB	Integer positif	Ukuran memori setiap node pekerja. Unit: MB. Nilai valid: [1024, 64 × 1024].

Prosedur

Contoh ini menggunakan skenario klasifikasi boson Higgs untuk menjelaskan cara menggunakan komponen XGboost di Machine Learning Designer. Pipeline yang digunakan dalam contoh ini dibangun berdasarkan template preset. Untuk informasi tentang cara membuat pipeline berdasarkan template Use XGBoost algorithm to identify the Higgs boson, lihat Buat Pipeline dari Template Preset.

Komponen ini menghasilkan string JSON yang diserialisasi dari objek JSON yang di-output oleh library XGBoost open source. Untuk mengevaluasi data yang dihasilkan oleh komponen, Anda perlu mengonversi data ke format yang didukung oleh komponen evaluasi. Dalam contoh ini, Anda dapat menambahkan komponen Skrip SQL sebagai komponen hilir dari komponen XGboost Predict untuk menyerialisasi output komponen ke format yang didukung oleh komponen Binary classification Evaluation V2 berikutnya. Contoh kode berikut memberikan contoh tentang cara mengonfigurasi komponen SQL Script untuk mengonversi format data.

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})

Referensi

Anda dapat menggunakan komponen XGboost Predict untuk melakukan inferensi offline berdasarkan model yang dilatih oleh komponen XGboost Train. Untuk informasi tentang cara mengonfigurasi komponen XGboost Predict, lihat XGboost Predict.
Machine Learning Designer menyediakan berbagai komponen algoritma preset. Anda dapat memilih komponen sesuai dengan skenario bisnis aktual Anda. Untuk informasi lebih lanjut, lihat Ikhtisar Komponen Designer.

f0	f1	label
0.1	1	0
0.9	2	1