本文为您介绍PAI-Designer（原PAI-Studio）提供的箱线图。

箱形图是一种用作显示一组数据分散情况的统计图。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。

使用限制

仅原PAI-Studio平台支持查看该组件的可视化报告。

配置组件

您可以使用以下任意一种方式，配置箱线图组件参数。

方式一：可视化方式

在PAI-Designer（原PAI-Studio）工作流页面配置组件参数。
页签 参数 描述
字段设置 选择连续类型特征 选择连续类型的特征。
选择枚举类型特征 选择枚举类型的特征。
说明 在PAI-Studio中仅支持选择一个字段；在PAI-Designer中支持选择多个字段。
分层样本采用数 分层样本的采用数。

方式二：PAI命令方式

使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。
PAI -name box_plot -project algo_public
    -DinputTable="boxplot"
    -DcontinueCols="age"
    -DcategoryCol="y"
     -DoutputTable="pai_temp_6075_97181_1"
    -DsampleSize="1000"
    -Dlifecycle="7";
参数名称 是否必选 描述 默认值
inputTable 是 输入表的名称。 无
inputTablePartitions 否 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，存放箱线图和采样的样本。 无
continueCols 是 连续类型特征列。 无
categoryCol 是 枚举类型特征列。 无
sampleSize 否 绘制每个特征的扰动情况的样本采样数。 1000
lifecycle 否 输出表生命周期，单位为：天。 28
coreNum 否 计算的核心数，取值范围为正整数。 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

示例

  • 输入数据
    create table boxplot as select age, y from bank_data limit 100;
    age y
    50 0
    53 0
    28 1
    39 0
    55 1
    30 0
    37 0
    39 0
    36 1
    27 0
    34 0
    41 0
    55 1
    33 0
    26 0
    52 0
    35 1
    27 1
    28 0
    26 0
    41 0
    35 0
    40 0
    32 0
    41 0
    34 0
    49 0
    37 0
    35 0
    38 0
    47 0
    46 0
    27 0
    29 1
    32 0
    36 0
    29 0
    47 0
    44 0
    54 0
    36 0
    42 0
    44 0
    72 1
    48 0
    36 0
    35 0
    43 0
    56 0
    42 0
    31 0
    32 0
    33 0
    31 0
    39 0
    30 1
    24 0
    24 0
    38 0
    26 0
    41 0
    34 0
    30 0
    37 0
    68 0
    31 0
    48 0
    33 0
    59 0
    44 0
    28 0
    50 0
    33 0
    45 0
    40 0
    45 0
    43 0
    54 0
    53 0
    35 0
    30 0
    25 0
    35 0
    54 1
    30 0
    38 0
    35 0
    47 0
    32 0
    27 0
    40 1
    31 0
    42 0
    40 0
    31 0
    57 0
    38 1
    39 0
    37 0
    44 0
  • 参数配置

    选择age为连续类型特征，y为枚举类特征，其他保持默认值。

  • 运行效果
    • 输出说明
      右键单击箱线图，选择查看数据 > 输出，来查看箱线图的输出结果。其中：
      • percent_points：表示计算的百分位数。
      • percent_count：表示按百分位数划分区间后，各个区间内的数据条数。
      • sample_list：首先使用分层样本采用数 ÷ 数据总数计算得出采样率，根据采样率在每层样本中进行采样。如果采样率太低，导致每层里的样本数 × 采样率小于10，则会重新计算新的采样率。
    • 箱线图分布情况如下图所示。箱线图结果
    • 扰动点图分布情况如下图所示。扰动点图结果