Platform For AI:ランダムフォレスト

コンポーネントの設定

ランダムフォレストコンポーネントは、ビジュアルモデリングのパイプラインキャンバスまたは PAI コマンドを使用して設定します。

PAI -name randomforests
    -project algo_public
    -DinputTableName="pai_rf_test_input"
    -DmodelName="pai_rf_test_model"
    -DforceCategorical="f1"
    -DlabelColName="class"
    -DfeatureColNames="f0,f1"
    -DmaxRecordSize="100000"
    -DminNumPer="0"
    -DminNumObj="2"
    -DtreeNum="3";

例

この例では、小規模なデータセットで 3 つの木からなるランダムフォレスト分類器をトレーニングし、サンプルを "good" または "bad" に分類します。

ステップ1：トレーニングテーブルの作成

CREATE TABLE pai_rf_test_input AS
SELECT * FROM
(
  SELECT 1 AS f0, 2 AS f1, 'good' AS class
  UNION ALL
  SELECT 1 AS f0, 3 AS f1, 'good' AS class
  UNION ALL
  SELECT 1 AS f0, 4 AS f1, 'bad'  AS class
  UNION ALL
  SELECT 0 AS f0, 3 AS f1, 'good' AS class
  UNION ALL
  SELECT 0 AS f0, 4 AS f1, 'bad'  AS class
) tmp;

ステップ2：モデルのトレーニング

PAI -name randomforests
    -project algo_public
    -DinputTableName="pai_rf_test_input"
    -Dmodelname="pai_rf_test_model"
    -DforceCategorical="f1"
    -DlabelColName="class"
    -DfeatureColNames="f0,f1"
    -DmaxRecordSize="100000"
    -DminNumPer="0"
    -DminNumObj="2"
    -DtreeNum="3";

これにより、f0 と f1 を特徴量とし、class をラベルとして、3 つの木からなるフォレストをトレーニングします。列 f1 は forceCategorical を介してカテゴリカル型に強制されます。

ステップ3：モデル出力の確認

トレーニング後、モデルは Predictive Model Markup Language (PMML) ファイルとして保存されます。PMML 出力は、各木を MiningModel 内の TreeModel セグメントとして記述し、多数決を用いて予測を結合します。

<?xml version="1.0" encoding="utf-8"?>
<PMML xmlns="http://www.dmg.org/PMML-4_2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="4.2" xsi:schemaLocation="http://www.dmg.org/PMML-4_2 http://www.dmg.org/v4-2/pmml-4-2.xsd">
  <Header copyright="Copyright (c) 2014, Alibaba Inc." description="">
    <Application name="ODPS/PMML" version="0.1.0"/>
    <Timestamp>Tue, 12 Jul 2016 07:04:48 GMT</Timestamp>
  </Header>
  <DataDictionary numberOfFields="2">
    <DataField name="f0" optype="continuous" dataType="integer"/>
    <DataField name="f1" optype="continuous" dataType="integer"/>
    <DataField name="class" optype="categorical" dataType="string">
      <Value value="bad"/>
      <Value value="good"/>
    </DataField>
  </DataDictionary>
  <MiningModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"/>
    <MiningSchema>
      <MiningField name="f0" usageType="active"/>
      <MiningField name="f1" usageType="active"/>
      <MiningField name="class" usageType="target"/>
    </MiningSchema>
    <Segmentation multipleModelMethod="majorityVote">
      <Segment id="0">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimplePredicate field="f1" operator="equal" value="2"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f1" operator="equal" value="3"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
            <Node id="4" score="bad">
              <SimplePredicate field="f1" operator="equal" value="4"/>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="1">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimpleSetPredicate field="f1" booleanOperator="isIn">
                <Array n="2" type="integer">2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="good" recordCount="3"/>
            </Node>
            <Node id="3" score="bad">
              <SimpleSetPredicate field="f1" booleanOperator="isNotIn">
                <Array n="2" type="integer">2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="2">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="bad">
              <SimplePredicate field="f0" operator="lessOrEqual" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f0" operator="greaterThan" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
    </Segmentation>
  </MiningModel>
</PMML>

PMML 出力で確認すべき主要な要素は次のとおりです。

• `DataDictionary`：各特徴列とラベル列を、そのデータ型 (continuous または categorical) とともにリストします。

• `Segmentation multipleModelMethod="majorityVote"`：フォレストがすべての木からの予測を多数決で結合することを示します。

• `ScoreDistribution`：各ノードでのクラス分布を示します。これは、各木がその分割でサンプルをどれだけ確信を持って分類しているかを示します。

ステップ4：視覚化された出力の表示