Gráfico de caixa - Platform For AI: Central de Documentação do Alibaba Cloud

O componente Box Plot no Machine Learning Designer visualiza a distribuição estatística de um conjunto de dados. Use-o para inspecionar a dispersão dos valores em um recurso contínuo e comparar distribuições entre grupos definidos por um recurso categórico.

Limitações

O relatório visual deste componente está disponível apenas no Machine Learning Studio.

Configure o componente

Método 1: Uso do console

Na página de configuração do pipeline no Machine Learning Designer, defina os seguintes parâmetros na guia Field Setting.

Parâmetro	Descrição
Continuous Features	Coluna que contém o recurso contínuo a analisar.
Enumeration Feature	Coluna que contém o recurso categórico. Cada valor exclusivo nesta coluna gera um grupo separado de gráfico de caixa, o que permite comparar distribuições entre categorias.
Stratified Samples	Número de amostras estratificadas adotadas.

Nota: No Machine Learning Studio, selecione apenas um campo para cada parâmetro. No Machine Learning Designer, é possível selecionar vários campos.

Método 2: Uso de comandos PAI

Execute o seguinte comando PAI com o componente SQL Script.

PAI -name box_plot -project algo_public
    -DinputTable="boxplot"
    -DcontinueCols="age"
    -DcategoryCol="y"
    -DoutputTable="pai_temp_6075_97181_1"
    -DsampleSize="1000"
    -Dlifecycle="7";

Parâmetro	Obrigatório	Descrição	Padrão
`inputTable`	Sim	Nome da tabela de entrada.	N/A
`inputTablePartitions`	Não	Partição a ler da tabela de entrada. Formatos suportados: `partition_name=value` para partição única; `name1=value1/name2=value2` para partições multinível. Para especificar várias partições, separe-as por vírgulas (,).	N/A
`outputTable`	Sim	Nome da tabela de saída que armazena o gráfico de caixa e as amostras.	N/A
`continueCols`	Sim	Coluna que contém o recurso contínuo.	N/A
`categoryCol`	Sim	Coluna que contém o recurso categórico. Cada valor exclusivo produz um grupo separado de gráfico de caixa.	N/A
`sampleSize`	Não	Número de pontos de dados amostrados por estrato para renderizar pontos de perturbação.	1000
`lifecycle`	Não	Ciclo de vida da tabela de saída. Unidade: dias.	28
`coreNum`	Não	Número de núcleos alocados para computação. Deve ser um número inteiro positivo.	Alocado automaticamente
`memSizePerCore`	Não	Tamanho de memória por núcleo. Valores válidos: 1–65536. Unidade: MB.	Alocado automaticamente

Exemplo

Dados de entrada

CREATE TABLE boxplot AS SELECT age, y FROM bank_data LIMIT 100;

A tabela de entrada tem duas colunas: age (recurso contínuo) e y (recurso categórico).

age	y
50	0
53	0
28	1
39	0
55	1

Configurações de parâmetros

Defina age como a coluna de recurso contínuo e y como a coluna de recurso categórico. Mantenha os valores padrão para todos os outros parâmetros.

Saída

Para visualizar a saída, clique em com o botão direito em Box Plot e escolha View Data > Output Port.

A tabela de saída contém as seguintes colunas:

Coluna	Descrição
`percent_points`	Valores percentis calculados.
`percent_count`	Número de entradas de dados em cada intervalo, dividido por percentil.
`sample_list`	Amostras selecionadas de cada estrato. A taxa de amostragem segue a fórmula: taxa de amostragem = número de amostras estratificadas / número total de entradas de dados. Se a taxa for muito baixa e o produto do número de amostras em qualquer estrato pela taxa resultar em menos de 10, o sistema recalculará a taxa.

O componente produz duas visualizações:

Box plot chart

Distribution of disturbance points