Todos os produtos
Search

Este produto

    Platform For AI:XGBoost train

    Central de documentação

    Platform For AI:XGBoost train

    Última atualização: Jun 27, 2026

    Treine modelos de gradient boosting para tarefas de classificação e regressão com o algoritmo XGBoost.

    O PAI estende a biblioteca open-source XGBoost com suporte a computação distribuída e integração à plataforma.

    Recursos de computação

    Recursos de computação compatíveis:

    • MaxCompute

    • Flink

    • Deep Learning Containers (DLC)

    Formatos de dados

    Formatos de entrada aceitos: Table ou LibSVM. Especifique o formato na aba Field Setting: use featureCols para o formato Table ou vectorCol para o formato LibSVM (opções mutuamente exclusivas).

    Formato Table

    Cada linha representa uma instância de treinamento. As colunas armazenam os valores das features e o rótulo.

    f0

    f1

    label

    0,1

    1

    0

    0,9

    2

    1

    Formato LibSVM

    Cada linha contém pares esparsos de feature-valor no formato index:value. Exemplo:

    2:1 9:1 10:1 20:1 29:1 33:1 35:1 39:1 40:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1
0:1 9:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 115:1 121:1
2:1 8:1 18:1 20:1 29:1 33:1 35:1 39:1 41:1 52:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 116:1 123:1
2:1 9:1 13:1 21:1 28:1 33:1 36:1 38:1 40:1 53:1 57:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 97:1 105:1 113:1 119:1
0:1 9:1 18:1 20:1 22:1 33:1 35:1 38:1 44:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 104:1 115:1 121:1
0:1 8:1 18:1 20:1 23:1 33:1 35:1 38:1 41:1 52:1 55:1 64:1 68:1 76:1 85:1 87:1 91:1 94:1 101:1 105:1 116:1 121:1

    Configuração

    Configure o componente em três abas:

    • Field Setting: Estrutura dos dados de entrada e local de armazenamento do modelo.

    • Parameter Setting: Hiperparâmetros do algoritmo de treinamento XGBoost.

    • Execution Tuning: Recursos para treinamento distribuído.

    Field Setting

    Parâmetro

    Tipo

    Descrição

    labelCol

    String

    Nome da coluna de rótulo.

    featureCols

    Array de strings

    Colunas de features no formato Table. Mutuamente exclusivo com vectorCol. Requer dados de entrada no formato Table.

    vectorCol

    String

    Nome da coluna vetorial no formato LibSVM. Mutuamente exclusivo com featureCols. Requer dados de entrada no formato LibSVM.

    weightCol

    String

    Nome da coluna de peso.

    set the model file path

    String

    Caminho do bucket OSS para armazenar o modelo treinado.

    Parameter Setting

    Hiperparâmetros padrão do XGBoost.

    Objetivo de treinamento

    Parâmetro

    Tipo

    Padrão

    Descrição

    The number of rounds for boosting

    Inteiro

    --

    Número de iterações de boosting.

    objective

    String

    binary:logistic

    Tarefa de aprendizado e objetivo correspondente.

    Base score

    Número de ponto flutuante

    0,5

    Viés global usado como pontuação inicial de previsão para todas as instâncias.

    The number of classes

    Inteiro

    --

    Quantidade de classes. Obrigatório para classificação multiclasse.

    Construção de árvore

    Parâmetro

    Tipo

    Padrão

    Descrição

    Tree Method

    String

    auto

    Algoritmo de construção da árvore. Valores válidos: auto, exact, approx, hist.

    Maximum depth of a tree

    Inteiro

    6

    Profundidade máxima da árvore. Valores maiores aumentam a complexidade do modelo e o risco de overfitting.

    Max leaves

    Inteiro

    0

    Número máximo de nós folha. O valor 0 indica ausência de limite.

    Grow Policy

    String

    depthwise

    Estratégia de adição de nós. Valores válidos: depthwise, lossguide.

    Maximum number of discrete bins to bucket continuous features

    Inteiro

    256

    Número máximo de bins discretos para features contínuas. Aplica-se apenas quando Tree Method é hist.

    sketch_eps

    Número de ponto flutuante

    0,03

    Precisão do binning no algoritmo de sketching. Aplica-se apenas quando Tree Method é approx.

    Regularização

    Parâmetro

    Tipo

    Padrão

    Descrição

    L1 regularization term on weights

    Número de ponto flutuante

    0,0

    Regularização L1 nos pesos. Valores mais altos geram modelos mais conservadores.

    L2 regularization term on weights

    Número de ponto flutuante

    1,0

    Regularização L2 nos pesos. Valores mais altos geram modelos mais conservadores.

    gamma

    Número de ponto flutuante

    0,0

    Redução mínima de perda necessária para particionar ainda mais um nó folha.

    Min child weight

    Número de ponto flutuante

    1,0

    Soma mínima dos pesos das instâncias exigida em um nó filho.

    Max delta step

    Número de ponto flutuante

    0,0

    Passo delta máximo por nó folha. Controla a granularidade da atualização do modelo.

    Taxa de aprendizado e amostragem

    Parâmetro

    Tipo

    Padrão

    Descrição

    eta

    Número de ponto flutuante

    0,3

    Taxa de aprendizado. Valores menores melhoram a robustez, mas exigem mais rodadas de boosting.

    scale_pos_weight

    Número de ponto flutuante

    1,0

    Razão de peso para equilibrar classes positivas e negativas. Útil para conjuntos de dados desbalanceados.

    Subsample ratio of the training instances

    Número de ponto flutuante

    1

    Fração das instâncias de treinamento amostradas antes de cada rodada de boosting.

    Sampling method

    String

    GRADIENT_BASED

    Método de amostragem para instâncias de treinamento. Valores válidos: GRADIENT_BASED, UNIFORM.

    Subsample ratio of columns for each level

    Número de ponto flutuante

    1,0

    Fração de colunas amostradas por nível da árvore.

    Subsample ratio of columns for each node (split)

    Número de ponto flutuante

    1,0

    Fração de colunas amostradas por divisão de nó.

    Subsample ratio of columns when constructing each tree

    Número de ponto flutuante

    1,0

    Fração de colunas amostradas por árvore.

    Restrições e distribuição

    Parâmetro

    Tipo

    Padrão

    Descrição

    Interaction constraints

    String

    --

    Grupos de features com permissão para interagir.

    Monotone constraints

    String

    --

    Restrições de monotonicidade por feature.

    Tweedie variance power

    Número de ponto flutuante

    1,5

    Potência da variância da distribuição Tweedie. Aplica-se apenas quando o objetivo utiliza a distribuição Tweedie.

    Execution Tuning

    Parâmetro

    Tipo

    Valores válidos

    Descrição

    Number of Workers

    Inteiro positivo

    [1, 9999]

    Quantidade de nós workers. Configure juntamente com Memory per worker, unit MB.

    Memory per worker, unit MB

    Inteiro positivo

    [1024, 64 x 1024]

    Memória alocada por nó worker, em MB.

    Exemplo de uso

    Este exemplo demonstra a classificação com XGBoost em dados de eventos de bósons de Higgs usando um modelo predefinido. Para crie esse pipeline a partir do modelo Use XGBoost algorithm to identify the Higgs boson, consulte Criar um pipeline a partir de um modelo predefinido.

    Converter o formato de saída para avaliação

    O componente gera strings JSON serializadas pela biblioteca open-source XGBoost. Converta essa saída para permitir que os componentes de avaliação processem as previsões.

    Adicione um componente SQL Script downstream do XGboost Predict. O SQL Script converte as previsões para o formato exigido pelo Binary classification Evaluation V2. Use este código:

    set odps.sql.udf.getjsonobj.new=true;

select *, CONCAT("{\"0\":", 1.0-prob, ",\"1\":", prob, "}") as detail
FROM (
select *, cast(get_json_object(pred, '$[0]') as double) as prob FROM ${t1})

    Referências