Latih model XGBoost gbtree untuk memprediksi harga rumah - ApsaraDB RDS

Extreme Gradient Boosting (XGBoost) adalah algoritma pohon boosting gradien yang efisien dan banyak digunakan untuk Klasifikasi dan regresi. Model XGBoost gbtree menggunakan pohon keputusan sebagai pembelajar dasar. Topik ini menjelaskan cara menggunakan set data real estat untuk melatih model XGBoost gbtree dan menggunakan model terlatih tersebut untuk memprediksi harga rumah.

Menyiapkan data

Sebagai contoh, dataset Boston digunakan sebagai set data pelatihan. Tabel berikut menggambarkan struktur data dari dataset tersebut.

Nama kolom	Deskripsi	Tipe data
crim	Tingkat kejahatan perkotaan per kapita.	FLOAT
zn	Proporsi properti residensial yang melebihi 25.000 kaki persegi.	FLOAT
indus	Proporsi properti komersial non-ritel per kota.	FLOAT
chas	Menentukan apakah ada saluran sungai di dekatnya.	INT
nox	Konsentrasi oksida nitrogen (satu dalam sepuluh juta).	FLOAT
rm	Jumlah rata-rata kamar per bangunan residensial.	FLOAT
age	Proporsi kediaman utama yang dibangun sebelum tahun 1940.	FLOAT
dis	Jarak rata-rata ke lima pusat pekerjaan.	FLOAT
rad	Jarak ke jalan tol.	INT
tax	Total tingkat pajak properti per USD 10.000.	INT
ptratio	Proporsi guru dan siswa per kota.	FLOAT
b	Proporsi penduduk perkotaan Afrika-Amerika.	FLOAT
lstat	Proporsi penduduk dengan pendapatan rendah.	FLOAT
medv	Nilai rata-rata kediaman utama.	FLOAT

Melatih sebuah model

Gunakan tabel boston.train untuk melatih model dan tabel boston.test untuk memprediksi data. Selama pelatihan model, RDS SQLFlow secara otomatis mengklasifikasikan set data pelatihan untuk menghasilkan set data pelatihan dan set data validasi.

Bangun MySQL-based rds_sqlflow.
Hubungkan ke rds_sqlflow dari klien RDS SQLFlow.
Dalam antarmuka baris perintah RDS SQLFlow dari Klien RDS SQLFlow, jalankan pernyataan SQL berikut untuk melatih model:
```
SELECT * FROM boston.train
TO TRAIN xgboost.gbtree
WITH
    objective="reg:squarederror",
    train.num_boost_round = 30
COLUMN crim, zn, indus, chas, nox, rm, age, dis, rad, tax, ptratio, b, lstat
LABEL medv
INTO sqlflow_models.my_xgb_regression_model;
```
Pernyataan SELECT mengekstraksi data pelatihan dari tabel boston.train. Pernyataan TO TRAIN menentukan model yang akan digunakan, yaitu xgboost.gbtree. Pernyataan WITH mengonfigurasi parameter pelatihan. Pernyataan COLUMN menentukan kolom fitur. Pernyataan LABEL menentukan kolom target. Terakhir, pernyataan INTO mendefinisikan lokasi penyimpanan model yang telah dilatih. Untuk informasi lebih lanjut, lihat Sintaks Pelatihan.

Gunakan sebuah model untuk memprediksi data

Setelah model xgboost.gbtree dilatih, gunakan model tersebut dan jalankan pernyataan SQL berikut untuk memprediksi harga rumah:
```
SELECT * FROM boston.test
TO PREDICT boston.predict.medv
USING sqlflow_models.my_xgb_regression_model;
```
Pernyataan SELECT menentukan set data yang diperlukan untuk prediksi. Pernyataan TO PREDICT menentukan tabel yang menyimpan hasil prediksi. Pernyataan USING menentukan model yang akan digunakan. Untuk informasi lebih lanjut, lihat Sintaks Prediksi.
Setelah prediksi selesai, jalankan pernyataan SQL berikut untuk melihat hasil prediksi:
```
SELECT * FROM boston.predict;
```

Referensi

Pengenalan RDS Custom