GBDT二分类预测V2

支持计算资源

支持的计算引擎为MaxCompute和Flink。

算法原理

梯度提升决策树模型构建了一个由多棵决策树组成的组合模型。每一棵决策树对应一个弱学习器，将这些弱学习器组合在一起，可以达到比较好的分类或回归效果。

梯度提升的基本递推结构为：

其中，通常为一棵 CART 决策树，为决策树的参数，为步长。第m棵决策树在前m-1棵决策树的基础上对目标函数进行优化。最终得到包含若干棵决策树的模型。

可视化配置参数

• 输入桩配置

  输入桩（从左到右）	限制数据类型	建议上游组件	是否必选
  模型表	无	GBDT二分类V2	是
  预测数据表	无	读数据表	是

• 右侧参数表单

  页签	参数	是否必选	描述	默认值
  字段设置	预测结果列名	是	预测结果列名。	prediction_result
  	预测详细信息列名	否	预测详细信息列名。	prediction_detail
  	算法保留列	否	保留列名，默认保留所有列。	无
  执行调优	节点数	否	执行作业的节点数。	根据输入数据自动计算
  	每节点内存	否	节点所使用的内存数，单位为MB，取值范围为[100,65536]。	根据输入数据自动计算

• 输出桩说明

  输出桩	存储位置	下游建议组件	模型类型
  输出	不需要配置	二分类评估	无

相关文档

• 该组件使用GBDT二分类V2组件训练得到的模型，对数据进行二分类预测。

• 关于Designer组件更详细的内容介绍，请参见Designer概述。

• Designer预置了多种算法组件，你可以根据不同的使用场景选择合适的组件进行数据处理，详情请参见组件参考：所有组件汇总。