通过数据视图组件，您可以可视化地了解特征与标签列的分布情况及特征的特点，以便后续进行数据分析。该组件支持稀疏和稠密数据格式。本文为您介绍PAI-Studio提供的数据视图算法的参数配置方式及使用示例。

配置组件

  • 可视化方式
    页签 参数 描述
    字段设置 选择特征列 用来表现训练样本数据特征的列。
    选择目标列 用来进行训练样本数据的目标列。
    枚举特征 勾选的特征将被视作枚举特征处理。
    k:v，k:v稀疏数据格式 是否采用KV格式的稀疏数据。
    参数设置 连续特征离散区间数 连续性特征等距离划分最大区间数。
    执行调优 计算核心数 计算的核心数，取值范围为正整数。
    每个核心内存 每个核心的内存，取值范围为1 MB~65536 MB。
  • PAI命令
    PAI
-name fe_meta_runner
-project algo_public
-DinputTable="pai_dense_10_10"
-DoutputTable="pai_temp_2263_20384_1"
-DmapTable="pai_temp_2263_20384_2"
-DselectedCols="pdays,previous,emp_var_rate,cons_price_idx,cons_conf_idx,euribor3m,nr_employed,age,campaign,poutcome"
-DlabelCol="y"
-DcategoryCols="previous"
-Dlifecycle="28"-DmaxBins="5" ;
    参数名称 是否必选 描述 默认值
    inputTable 是 输入表的名称。 无
    inputTablePartitions 是 输入表中，参与训练的分区。系统支持以下格式：
    • Partition_name=value
    • name1=value1/name2=value2：多级分区
    说明 指定多个分区时，分区之间使用英文逗号（,）分隔。
    		无
    outputTable 是 输出表名称。 无
    mapTable 是 输出映射表，数据视图对String类字符串会做一个统计，映射成数字（转换成Int方便机器学习识别和训练） 无
    selectedCols 是 输入表选择列名类型。 无
    categoryCols 否 把Int或者Double字段当做枚举特征。 无
    maxBins 否 连续性特征等距离划分最大区间数。 100
    isSparse 否 输入数据是否为稀疏格式，取值范围为{ture,false}。 false
    itemSpliter 否 当输入表数据为稀疏格式时，KV对之间的分隔符。 英文逗号（,）
    kvSpliter 否 当输入表数据为稀疏格式时，key和value之间的分隔符。 英文冒号（:）
    lifecycle 否 表的声明周期。 28
    coreNum 否 计算的核心数，取值范围为正整数。取值范围[1, 9999]。 系统自动分配
    memSizePerCore 否 每个核心的内存，取值范围为1 MB~65536 MB。 系统自动分配