使用歸一化訓練的模型,對數據進行歸一化批預測。
使用限制
支持的計算引擎為MaxCompute和Flink。
算法簡介
將數據歸一到minValue和maxValue之間,value最終結果為 (value - min) / (max - min) * (maxValue - minValue) + minValue,最終結果的范圍為[minValue, maxValue]。
minValue和maxValue由用戶指定,默認為0和1。
需要加載由歸一化訓練組件訓練的模型。
可視化配置參數
【輸入樁配置】
輸入樁(從左到右) | 限制數據類型 | 建議上游組件 | 是否必選 |
預測輸入模型 | 無 | 是 | |
預測輸入數據 | 無 | 是 |
【右側參數表單】
頁簽 | 參數 | 描述 |
參數設置 | 輸出結果列列名數組 | 可選,歸一化之后新的列名,需要與訓練時的選擇的列數保持一致,半角逗號間隔。 |
組件多線程線程個數 | 默認為1。 | |
執行調優 | 節點個數 | 與單個節點內存大小參數配對使用。取值為[1, 9999]的正整數。 |
單個節點內存大小,單位M | 取值范圍為1024 MB~64*1024 MB。 |
【輸出樁說明】
輸出樁(從左到右) | 存儲位置) | 下游建議組件 | 模型類型 |
輸出結果 | 不需要配置 | 無 | 無 |
具體示例
您可以將以下代碼復制到PyAlink腳本組件中,使PyAlink腳本組件實現與該組件相同的功能。
from pyalink.alink import *
def main(sources, sinks, parameter):
model = sources[0]
batchData = sources[1]
predictor = MinMaxScalerPredictBatchOp()
result = predictor.linkFrom(model, batchData)
result.link(sinks[0])
BatchOperator.execute()
文檔內容是否對您有幫助?