線形モデルの特徴量重要度コンポーネントとは - Platform For AI

線形モデルの特徴量重要度コンポーネントは、線形回帰や二項分類のロジスティック回帰などの線形モデルの特徴量重要度を計算します。スパースデータと密なデータの両方のデータ形式をサポートしています。このトピックでは、コンポーネントの設定方法について説明します。

制限事項

サポートされている計算エンジンは MaxCompute です。

コンポーネントの設定

線形モデルの特徴量重要度コンポーネントのパラメーターは、以下のいずれかの方法で設定できます。

方法 1：ビジュアルインターフェイス

ビジュアルモデリングのパイプラインページでコンポーネントのパラメーターを設定します。

タブ	パラメーター	説明
[フィールド設定]	特徴量カラム	トレーニングに使用する入力テーブルの特徴列です。このパラメーターはオプションです。デフォルトでは、ラベル列を除くすべての列が使用されます。
	対象列	必須。 [フィールドの選択] をクリックしてラベル列を選択します。
	入力テーブルデータはスパースフォーマットです	オプション。
チューニング	[コア数]	計算に使用するコア数です。オプション。
チューニング	[コアあたりのメモリ (MB)]	コアあたりのメモリ量 (MB) です。オプション。

方法 2：PAI コマンド

SQL スクリプトコンポーネントで PAI コマンドを実行して、コンポーネントのパラメーターを設定できます。詳細については、「SQL スクリプト」をご参照ください。

PAI -name regression_feature_importance -project algo_public
    -DmodelName=xlab_m_logisticregressi_20317_v0
    -DoutputTableName=pai_temp_2252_20321_1
    -DlabelColName=y
    -DfeatureColNames=pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign
    -DenableSparse=false -DinputTableName=pai_dense_10_9;

パラメーター	必須	説明	デフォルト値
inputTableName	はい	入力テーブルの名前です。	なし
outputTableName	はい	出力テーブルの名前です。	なし
labelColName	はい	入力テーブルのラベル列の名前です。	なし
modelName	はい	入力モデルの名前です。	なし
featureColNames	いいえ	入力テーブルから選択する特徴列です。	ラベル列を除くすべての列。
inputTablePartitions	いいえ	入力テーブルから使用するパーティションです。	テーブル全体。
enableSparse	いいえ	入力データがスパースフォーマットであるかどうかを指定します。	false
itemDelimiter	いいえ	スパースフォーマットの入力データにおけるキーと値のペア間のデリミタです。	スペース
kvDelimiter	いいえ	スパースフォーマットの入力データにおけるキーとその値の間のデリミタです。	コロン (:)
lifecycle	いいえ	出力テーブルのライフサイクル (日数) です。	指定なし
coreNum	いいえ	コア数です。	自動
memSizePerCore	いいえ	コアあたりのメモリ量 (MB) です。	自動

例

bank_data という名前のテーブルを作成し、データをインポートします。詳細については、「テーブルの作成」および「データのインポート」をご参照ください。

次の SQL ステートメントを実行して、トレーニングデータを生成します。

create table if not exists pai_dense_10_9 as
select
    age,campaign,pdays, previous, emp_var_rate, cons_price_idx, cons_conf_idx, euribor3m, nr_employed, fixed_deposit
from  bank_data limit 10;

パイプラインを構築して実行します。詳細については、「アルゴリズムモデリング」をご参照ください。コンポーネントを接続するには、テーブル読み込み-1 の出力を多クラス分類ロジスティック回帰と線形モデルの特徴量重要度の両方の入力に接続します。次に、多クラス分類ロジスティック回帰の出力を線形モデルの特徴量重要度の入力に接続します。
1. ビジュアルモデリングのコンポーネントリストから、テーブル読み込み、多クラス分類ロジスティック回帰、線形モデルの特徴量重要度の各コンポーネントをキャンバスにドラッグします。
2. コンポーネントを接続してパイプラインを構築します。
3. 各コンポーネントのパラメーターを設定します。
  - キャンバスで、[テーブル読み込み-1] コンポーネントをクリックします。右側のペインの [テーブルの選択] タブで、[テーブル名] を bank_data に設定します。
  - キャンバスで、[多クラス分類ロジスティック回帰-1] コンポーネントをクリックします。右側のペインの [フィールド設定] タブで、[特徴列] を age、campaign、pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m、nr_employed に設定します。[ターゲット列] を fixed_deposit に設定します。他のパラメーターはデフォルト値を使用します。
  - キャンバスで、[線形モデルの特徴量重要度-1] コンポーネントをクリックします。右側のペインの [フィールド設定] タブで、[ターゲット列] を fixed_deposit に設定します。他のパラメーターはデフォルト値を使用します。
4. パラメーターを設定した後、実行ボタンをクリックします。
パイプラインが正常に実行された後、[線形モデルの特徴量重要度-1] コンポーネントを右クリックし、[データの表示] > [モデル重要度テーブル] を選択します。線形モデルの特徴量重要度コンポーネントは、各特徴の colname、weight、importance を示すテーブルを出力します。値は指数表記で表示されます。たとえば、`age` 特徴の重みは `9.61816270808075E-5` です。

メトリックの数式は次のとおりです。

列名

数式

weight

abs(w_)

importance

abs(w_j) * STD(f_i)

説明
abs(w_j) は特徴係数の絶対値で、STD(f_i) はトレーニングデータの標準偏差です。
[線形モデルの特徴量重要度-1] コンポーネントを右クリックし、[分析レポートの表示] を選択します。

Platform For AI:線形モデルの特徴量重要度

制限事項

コンポーネントの設定

方法 1：ビジュアルインターフェイス

方法 2：PAI コマンド

例

関連ドキュメント

列名	数式
weight	abs(w_)
importance	abs(w_j) * STD(f_i) 説明 `abs(w_j)` は特徴係数の絶対値で、`STD(f_i)` はトレーニングデータの標準偏差です。