加权采样_人工智能平台 PAI(PAI)-阿里云帮助中心

以加权方式生成采样数据。权重列必须为DOUBLE或BIGINT类型，按照该列值的大小采样。比如所选权重列的值是1.2和1.0，则值为1.2所属样本的被采样的概率就大一些。

组件配置

您可以使用以下任意一种方式，配置加权采样组件参数。

方式一：可视化方式

在Designer工作流页面配置组件参数。

页签	参数	描述
参数设置	采样个数	取值为正整数。
	采样比例	取值为浮点数，范围(0,1)。
	放回采样	默认为不放回，勾选后变为放回。
	权重列	下拉框选择加权列，加权列支持DOUBLE型和BIGINT型。每个值代表所在记录出现的权重，不需要归一化。
	随机数种子	默认系统自动生成。
执行调优	核心数	取值为正整数，默认系统自动分配。
执行调优	核内存分配	取值为正整数，范围(1, 65536)，默认系统自动分配。

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 WeightedSample
    -project algo_public \
    -Dlifecycle="28" \
    -DoutputTableName="test2" \
    -DprobCol="previous" \
    -Dreplace="false" \
    -DsampleSize="500" \
    -DinputPartitions="pt=20150501" \
    -DinputTableName="bank_data_partition";

参数名称	是否必选	参数描述	默认值
inputTableName	是	输入表的名称	无
inputTablePartitions	否	输入表中，参与训练的分区。支持以下格式： Partition_name=value name1=value1/name2=value2：多级格式说明如果指定多个分区，则使用半角逗号（,）分隔。	所有分区
outputTableName	是	输出结果表	无
sampleSize	否	采样个数说明当sampleSize与sampleRatio都为空时，系统会报错。当sampleSize与sampleRatio都不为空时，以sampleSize为准。	无
sampleRatio	否	采样比例，浮点数，范围(0,1)。	无
probCol	是	要加权的列，每个值代表所在记录出现的权重，不需要归一化，支持DOUBLE型和BIGINT型。	无
replace	否	是否放回，BOOLEAN类型。	false（默认不放回）
randomSeed	否	随机数种子，取值范围为正整数。	系统自动分配
lifecycle	否	输出表的生命周期，取值范围为[1,3650]。	无
coreNum	否	计算的核心数目，取值范围为正整数。	系统自动分配
memSizePerCore	否	每个核心的内存（单位是MB），取值范围为(1, 65536)。	系统自动分配