MaxCompute：ML_PREDICT

命令格式

STRING|STRUCT ML_PREDICT(<model_name>, <version_name>, col1,col2,...);

參數說明

• model_name：必填。待使用的模型名，支援模型的model_type為BOOSTED_TREE_REGRESSOR或BOOSTED_TREE_CLASSIFIER。

• version_name：必填。待使用的模型版本名。如果調用預設version，支援直接輸入DEFAULT_VERSION。

• col1,col2,...：必填。參與預測的輸入列。其類型、順序及個數必須和模型定義時保持一致，否則會報錯。

傳回值說明

• 當模型model_type為BOOSTED_TREE_REGRESSOR（迴歸模型）時，返回STRING類型的結果列，作為模型的預測結果。

• 當模型model_type為BOOSTED_TREE_CLASSIFIER（分類模型）時，返回STRUCT類型的結果列，具體格式為STRUCT<label:STRING, probs:ARRAY(prob:FLOAT)>，其中

  • STRUCT的第一個欄位label，代表本行資料預測的分類結果。

  • STRUCT的第二個欄位probs，代表每類結果預測的機率值。

使用樣本

• 樣本1：調用已經建立好的名為demo_model_xgboost_regressor的XGBoost迴歸模型，如暫未建立，需先建立模型，詳細步驟參考情境實踐：使用MaxCompute進行XGboost模型訓練和預測，建立完成後，按照如下樣本，輸入對應的要預測的資料。

  SELECT ML_PREDICT(demo_model_xgboost_regressor,v01,0.22438f,0f,9.69f,0,0.585f,6.027f,79.7f,2.4982f,6.123f,391f,19.2f,14.33f);
  -- 返回20.03961。

• 樣本2：調用已經建立好的名為test_xgboost_classifier的XGBoost分類模型，如暫未建立，需先建立模型，樣本請參考建立與刪除模型，輸入對應的要預測的資料。

  SELECT ML_PREDICT(test_xgboost_classifier,v1,1,2,3,4);
  -- 返回{label:0, probs:[0.9266666, 0.03781649, 0.03551693]}。