国产精品97pao,久久99久久99激情多人,国产午夜福利在线机视频

線性模型特征重要性組件用于計算線性模型的特征重要性，包括線性回歸和二分類邏輯回歸，支持稀疏和稠密數據格式。本文為您介紹該組件的配置方法。

使用限制

支持的計算引擎為MaxCompute。

組件配置

您可以使用以下任意一種方式，配置線性模型特征重要性組件參數。

方式一：可視化方式

在Designer工作流頁面配置組件參數。

頁簽	參數	描述
字段設置	選擇特征列	輸入表中，用于訓練的特征列。默認選中除標簽列（例如Label）外的所有列，為可選項。
	選擇目標列	該參數為必選項。單擊選擇字段，選擇標簽列。
	輸入表數據是否為稀疏格式	可選項。
執行調優	計算核心數	計算的核心數，可選。
執行調優	每個核內存大小	每個核的內存大小，單位為MB，可選。

方式二：PAI命令方式

使用PAI命令方式，配置該組件參數。您可以使用SQL腳本組件進行PAI命令調用，詳情請參見SQL腳本。

PAI -name regression_feature_importance -project algo_public
    -DmodelName=xlab_m_logisticregressi_20317_v0
    -DoutputTableName=pai_temp_2252_20321_1
    -DlabelColName=y
    -DfeatureColNames=pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign
    -DenableSparse=false -DinputTableName=pai_dense_10_9;

參數	是否必選	描述	默認值
inputTableName	是	輸入表的表名。	無
outputTableName	是	輸出表的表名。	無
labelColName	是	輸入表的標簽列名。	無
modelName	是	輸入的模型名稱。	無
featureColNames	否	輸入表選擇的特征列。	除Label外的所有列
inputTablePartitions	否	輸入表選擇的分區名稱。	選擇全表
enableSparse	否	輸入表是否為稀疏格式。	false
itemDelimiter	否	當輸入表數據為稀疏格式時，KV對之間的分隔符。	空格
kvDelimiter	否	當輸入表數據為稀疏格式時，Key和Value之間的分隔符。	半角冒號（:）
lifecycle	否	輸出表的生命周期。	不設置
coreNum	否	核心數。	自動計算
memSizePerCore	否	內存數。	自動計算

示例

創建bank_data表，并導入表數據。具體操作，請參見創建表和導入數據。

使用SQL語句，生成訓練數據。

create table if not exists pai_dense_10_9 as
select
    age,campaign,pdays, previous, emp_var_rate, cons_price_idx, cons_conf_idx, euribor3m, nr_employed, fixed_deposit
from  bank_data limit 10;

構建如下工作流，并運行組件，詳情請參見算法建模。
1. 在Designer左側組件列表中，分別搜索讀數據表組件、邏輯回歸多分類組件、線性模型特征重要性組件，并拖入右側畫布中。
2. 參照上圖，通過連線的方式，將各個節點組織構建成為一個有上下游關系的工作流。
3. 配置組件參數。
  - 在畫布中單擊讀數據表-1組件，在右側表選擇頁簽，配置表名為bank_data。
  - 在畫布中單擊邏輯回歸多分類-1組件，在右側字段設置頁簽，選擇訓練特征列為age、campaign、pdays、previous、emp_var_rate、cons_price_idx、cons_conf_idx、euribor3m和nr_employed。選擇目標列為fixed_deposit。其余參數使用默認值。
  - 在畫布中單擊線性模型特征重要性-1組件，在右側字段設置頁簽，將選擇目標列配置為fixed_deposit。其余參數使用默認值。
4. 參數配置完成后，單擊運行按鈕，運行工作流。
工作流運行成功后，右鍵單擊線性模型特征重要性-1組件，在快捷菜單，選擇查看數據 > 模型重要性表。
指標計算公式如下。
列名
公式
weight
abs(w_)
importance
abs(w_j) * STD(f_i)
說明
表示特征系數的絕對值 * 訓練數據的標準差。
右鍵單擊線性模型特征重要性-1組件，在快捷菜單，單擊可視化分析，查看可視化分析結果。