Platform For AI:Alink を使用した FM レコメンデーションの構築

手順

1. Machine Learning Designerページに移動します。

   1. PAIコンソールにログインします。

   2. 左側のナビゲーションウィンドウで、[ワークスペース] をクリックします。 [ワークスペース] ページで、管理するワークスペースの名前をクリックします。

   3. 左側のナビゲーションウィンドウで、モデルトレーニング > 可视化モデリング (デザイナー)を選択します。

2. パイプラインを作成します。

   1. [ビジュアルモデリング (デザイナー)] ページで、[Preset Templates] タブをクリックします。

   2. このタブで、[Alink]FM-Embedding for Rec-System テンプレートを見つけて [Create] をクリックします。

   3. ワークフローの新規作成 ダイアログボックスで、パラメーターを設定します。すべてのパラメーターにデフォルト設定を使用できます。

      ワークフローデータストレージ パラメーターには、パイプラインの実行中に生成される一時データとモデルを格納する OSS バケットのパスを指定します。

   4. OK をクリックします。

      パイプラインの作成には約 10 秒かかります。

   5. [Pipelines] タブで、作成したパイプラインをクリックします。右側の [Basic Information] セクションで、[Open] をクリックします。

      パイプライン設定タブでは、キャンバス上で作成されたパイプラインを表示できます。

      このパイプラインは、Alink アルゴリズムによる FM のトレーニングと予測のために、2 つの手法をサポートしています：

      • 手法 1：[FM Train] コンポーネントと [FM Prediction] コンポーネントを使用して、FM のトレーニングと予測を実行します。

        [FM Train] と [FM Prediction] は、紫色の点でマークされた Alink コンポーネントであり、グループで実行できます。グループ実行の詳細については、「Alink コンポーネント」をご参照ください。

      • 手法 2：PyAlink コンポーネントを使用して、FM のトレーニングと予測を実行します。

        カスタム PyAlink コンポーネントは、Python コードを通じて手法 1 と同じ結果が得られます。サポートされているオペレーターについては、「Alink の概要」をご参照ください。

3. [FM Train-1] ノードのパラメーターを設定します。

   1. キャンバス上の [FM Train-1] ノードをクリックします。

   2. 右側のパネルの [Fields Setting] タブで、次の表で説明するパラメーターを設定します。

      パラメーター	説明
      [特徴列]	特徴列の名前です。特徴列のデータは key:value 形式です。特徴列内の複数のキーと値のペアは、カンマ (,) で区切られます。
      [ラベル列]	ラベル列の名前です。ラベル列は DOUBLE データ型である必要があります。

      ビジュアルモデリング (デザイナー) で提供される FM アルゴリズムは、LIBSVM 形式のデータのみをサポートしています。ワンホットエンコーディングコンポーネントを使用すると、別の形式のデータを LIBSVM 形式に変換できます。詳細については、「ワンホットエンコーディング」をご参照ください。入力データには、次の図に示すように、特徴列とラベル列を含める必要があります。

   3. 右側のパネルの [Parameters Setting] タブと [Tuning] タブで、トレーニングパラメーターを設定します。

      サンプル数が 1 億 2000 万、特徴量が 130 万のパイプラインでは、次の表の推奨値を使用し、他のパラメーターはデフォルトのままにしてください。これらの値は、データ量に応じて調整してください。

      タブ	パラメーター	説明
      [Parameters Setting]	[Learning rate]	学習率です。推奨値：0.005。トレーニングが発散する場合は、このパラメーターをより小さい値に設定してください。
      	[Dimensions]	次元数です。推奨値：1,1,16。
      	[Block size]	ブロックのサイズです。特徴量データレコードが 200 万件未満の場合は、このパラメーターを 1000000 に設定することを推奨します。 特徴量データレコードが 200 万件以上の場合は、このパラメーターを設定する必要はありません。
      [Tuning]	[Number of Workers]	使用するワーカー数です。推奨値：32。大量のデータを扱う場合は、このパラメーターをより大きい値に設定してください。
      	[Memory Size per Node (MB)]	各ノードに割り当てるメモリサイズです。推奨値：16384。単位：MB。

4. PyAlink FM トレーニングノードと PyAlink FM 予測ノードのコードを記述します。

   • PyAlink FM トレーニングノードのコードを記述します。

     from pyalink.alink import *
     
     def main(sources, sinks, parameter):
         print('start')
         # Alink アルゴリズムを呼び出すモード 1。
         # train = HugeFmTrainBatchOp().setVectorCol('features').setLabelCol('label').linkFrom(sources[0])
         # Alink アルゴリズムを呼び出すモード 2。
         train = HugeFmTrainBatchOp(
             vectorCol='features',
             labelCol='label',
             task='binary_classification',
             numEpochs=10)
         # 入力ポート 0 からトレーニングデータを取得します。トレーニング済みモデルは出力ポート 0 から生成され、ダウンストリームに渡されます。
         sources[0].link(train).link(sinks[0])
         BatchOperator.execute()
         print('end')
                                 

   • PyAlink FM 予測ノードのコードを記述します。

     from pyalink.alink import *
     
     def main(sources, sinks, parameter):
         predictor = HugeFmPredictBatchOp().setPredictionCol("prediction_result")\
         .setPredictionDetailCol("prediction_detail").setReservedCols(["label"])
         output = predictor.linkFrom(sources[0], sources[1])
         # 予測結果は最初の出力ポートから生成され、ダウンストリームに渡されます。
         output.link(sinks[0])
         BatchOperator.execute()
         print('predict end')
                                 

5. キャンバスの左上隅にある [Run] アイコンをクリックします。

6. パイプラインの実行後、キャンバス上の [二項分類評価] ノードを右クリックし、[可視化分析] を選択します。

   [Alink]FM-Embedding for Rec-System テンプレートデータを使用すると、FM アルゴリズムでは曲線下面積 (AUC) が 0.92 に近い値になります。

   • 手法 1 を使用して生成された評価レポート

   • 手法 2 を使用して生成された評価レポート