什麼是評分卡預測演算法組件 - Platform For AI

評分卡預測是一種機器學習技術，通過應用評分卡模型對新資料進行評分，以預測其未來表現或風險。該模型通常由評分卡訓練組件產生，評分卡預測組件則利用該模型對輸入資料進行評估和打分，從而協助決策制定和風險管理。

配置組件

方式一：可視化方式

在Designer工作流程頁面添加評分卡預測組件，並在介面右側配置相關參數：

參數類型	參數	描述
欄位設定	特徵列	選擇用於預測的原始特徵列，預設選擇全部。
	原樣添加到結果表	選擇不進行任何處理，直接附加到預測結果表中的列。例如ID列和目標列等。
	輸出變數分	是否輸出每個特徵變數所對應的分數，最終的預測總得分為截距項的得分加所有的變數分。
執行調優	核心數目	使用的CPU Core數量，預設系統自動分配。
執行調優	每個核的記憶體大小	每個CPU Core所用的記憶體大小，預設系統自動分配。

方式二：PAI命令方式

使用PAI命令配置評分卡預測組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見SQL指令碼。

pai -name=lm_predict
    -project=algo_public
    -DinputFeatureTableName=input_data_table
    -DinputModelTableName=input_model_table
    -DmetaColNames=sample_key,label
    -DfeatureColNames=fea1,fea2
    -DoutputTableName=output_score_table

參數	是否必選	預設值	描述
inputFeatureTableName	是	無	輸入特徵資料表。
inputFeatureTablePartitions	否	全表	輸入特徵表選擇的分區。
inputModelTableName	是	無	輸入的模型表。
featureColNames	否	所有列	輸入表選擇的特徵列。
metaColNames	否	無	不進行轉換的資料列，選中的列會原樣輸出。可以在此指定Label和sample_id等。
outputFeatureScore	否	false	預測結果中是否輸出變數分，取值包括： true：輸出變數分。 false：不輸出變數分。
outputTableName	是	無	輸出預測結果表。
lifecycle	否	無	輸出表的生命週期。
coreNum	否	預設自動計算	核心數。
memSizePerCore	否	預設自動計算	記憶體大小，單位為MB。

組件輸出

評分卡預測組件輸出的打分表示例如下：其中churn列為使用者選擇的原樣添加到結果表中的列，與預測結果無關。其它三列為預測結果列，其含義如下表所示。

列名	列類型	列描述
prediction_score	DOUBLE	預測分數列。線性模型中特徵值和模型權重值直接相乘相加的結果，對應到評分卡模型中，如果模型進行了分數轉換，則該分數輸出轉換後的得分。
prediction_prob	DOUBLE	二分類情境中預測得到的正例機率值，原始得分（未經分數轉換）經過Sigmoid變換後得到該值。
prediction_detail	STRING	用JSON格式描述的各類別機率值，其中0表示負類，1表示正類。例如{“0”:0.1813110520,”1”:0.8186889480}。