人工智能平台 PAI：朴素贝叶斯

组件配置

您可以使用以下任意一种方式，配置朴素贝叶斯组件参数。

方式一：可视化方式

方式二：PAI命令方式

PAI -name NaiveBayes -project algo_public
    -DinputTablePartitions="pt=20150501"
    -DmodelName="xlab_m_NaiveBayes_23772"
    -DlabelColName="poutcome"
    -DfeatureColNames="age,previous,cons_conf_idx,euribor3m"
    -DinputTableName="bank_data_partition";

示例

1. 准备训练数据和测试数据。

   1. 使用MaxCompute客户端创建表train_data和test_data，分别用来存放训练数据和测试数据。其中列字段和数据类型为id bigint、y bigint、f0 double、f1 double、f2 double、f3 double、f4 double、f5 double、f6 double、f7 double。关于MaxCompute客户端的安装及配置请参见使用本地客户端（odpscmd）连接，如何创建表，请参见创建表。

   2. 将以下训练数据和测试数据分别导入到表train_data和test_data中。如何导入数据，请参见导入数据。

      • 训练数据

        id	y	f0	f1	f2	f3	f4	f5	f6	f7
        1	-1	-0.294118	0.487437	0.180328	-0.292929	-1	0.00149028	-0.53117	-0.0333333
        2	+1	-0.882353	-0.145729	0.0819672	-0.414141	-1	-0.207153	-0.766866	-0.666667
        3	-1	-0.0588235	0.839196	0.0491803	-1	-1	-0.305514	-0.492741	-0.633333
        4	+1	-0.882353	-0.105528	0.0819672	-0.535354	-0.777778	-0.162444	-0.923997	-1
        5	-1	-1	0.376884	-0.344262	-0.292929	-0.602837	0.28465	0.887276	-0.6
        6	+1	-0.411765	0.165829	0.213115	-1	-1	-0.23696	-0.894962	-0.7
        7	-1	-0.647059	-0.21608	-0.180328	-0.353535	-0.791962	-0.0760059	-0.854825	-0.833333
        8	+1	0.176471	0.155779	-1	-1	-1	0.052161	-0.952178	-0.733333
        9	-1	-0.764706	0.979899	0.147541	-0.0909091	0.283688	-0.0909091	-0.931682	0.0666667
        10	-1	-0.0588235	0.256281	0.57377	-1	-1	-1	-0.868488	0.1

      • 测试数据

        id	y	f0	f1	f2	f3	f4	f5	f6	f7
        1	+1	-0.882353	0.0854271	0.442623	-0.616162	-1	-0.19225	-0.725021	-0.9
        2	+1	-0.294118	-0.0351759	-1	-1	-1	-0.293592	-0.904355	-0.766667
        3	+1	-0.882353	0.246231	0.213115	-0.272727	-1	-0.171386	-0.981213	-0.7
        4	-1	-0.176471	0.507538	0.278689	-0.414141	-0.702128	0.0491804	-0.475662	0.1
        5	-1	-0.529412	0.839196	-1	-1	-1	-0.153502	-0.885568	-0.5
        6	+1	-0.882353	0.246231	-0.0163934	-0.353535	-1	0.0670641	-0.627669	-1
        7	-1	-0.882353	0.819095	0.278689	-0.151515	-0.307329	0.19225	0.00768574	-0.966667
        8	+1	-0.882353	-0.0753769	0.0163934	-0.494949	-0.903073	-0.418778	-0.654996	-0.866667
        9	+1	-1	0.527638	0.344262	-0.212121	-0.356974	0.23696	-0.836038	-0.8
        10	+1	-0.882353	0.115578	0.0163934	-0.737374	-0.56974	-0.28465	-0.948762	-0.933333

2. 构建如下工作流，并运行组件，详情请参见算法建模。

   1. 在Designer左侧组件列表中，分别搜索读数据表组件（2个）、朴素贝叶斯组件、预测组件、多分类评估组件，并拖入右侧画布中。

   2. 参照上图，通过连线的方式，将各个节点组织构建成为一个有上下游关系的工作流。

   3. 配置组件参数。

      • 在画布中单击读数据表-1组件，在右侧表选择页签，配置表名为train_data。

      • 在画布中单击读数据表-2组件，在右侧表选择页签，配置表名为test_data。

      • 在画布中单击朴素贝叶斯-1组件，在右侧配置如下表中的参数，其余参数使用默认值。

        页签	参数	描述
        字段设置	特征列	在训练表中，选择f0、f1、f2、f3、f4、f5、f6及f7列。
        	标签列	在训练表中，选择y列。

      • 在画布中单击预测-1组件，在右侧字段设置页签，选择原样输出列为id和y。其余参数使用默认值。

      • 在画布中单击多分类评估-1组件，在右侧字段设置页签，选择原分类结果列为y。其余参数使用默认值。

   4. 参数配置完成后，单击运行按钮，运行工作流。

3. 工作流运行成功后，右键单击预测-1组件，在快捷菜单，选择查看数据 > 预测结果输出，查看预测结果。