随机森林是一个包括多决策树的分类器，其分类结果由单棵树输出类别的众数决定。

组件配置

您可以使用以下任意一种方式，配置随机森林组件参数。

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 选择特征列 默认为除标签列和权重列外的所有列。
排除列 不参与训练的列，不能与选择特征列同时使用。
强制转换列 解析规则如下：
  • STRING、BOOLEAN及DATETIME类型的列，解析为离散类型。
  • DOUBLE和BIGINT类型的列，解析为连续类型。
说明 如果需要将BIGINT类型的列解析为CATEGORICAL，则必须使用forceCategorical参数指定类型。
权重列的列名 列可以对每行样本进行加权，支持数值类型。
标签列 输入表的标签列，支持STRING及数值类型。
参数设置 森林中树的个数 取值范围为1~1000。
单颗树的算法在森林中的位置 如果有N棵树，且algorithmTypes=[a,b]，则：
  • [0,a)为ID3算法。
  • [a,b)为CART算法。
  • [b,n]为C4.5算法。
例如，在一个拥有5棵树的森林中，如果[2,4]表示0，则1为ID3算法，2,3为CART算法，4为C4.5算法。如果输入None，则算法在森林中均分。
单棵树随机特征数 取值范围为[1,N]，N表示Feature数量。
叶节点数据的最小个数 取值范围为正整数，默认值为2。
叶节点数据个数占父节点的最小比例 取值范围为[0,1]，默认值为0。
单颗树的最大深度 取值范围为[1,+∞)，默认值为无穷。
单颗树输入的随机数据个数 取值范围为(1000,1000000]，默认值为100000。

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 randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -DmodelName="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";
参数 是否必选 描述 默认值
inputTableName 是 输入表。 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，则使用英文逗号（,）分隔。
所有分区
labelColName 是 输入表中，标签列的列名。 无
modelName 是 输出的模型名。 无
treeNum 是 森林中树的数量，取值范围为1~1000。 100
excludedColNames 否 不参与训练的列，不能与featureColNames同时使用。 空
weightColName 否 输入表中的权重列名。 无
featureColNames 否 输入表中，用于训练的特征列名。 除labelColName与weightColName外的所有列
forceCategorical 否 解析规则如下：
  • STRING、BOOLEAN及DATETIME类型的列，解析为离散类型。
  • DOUBLE和BIGINT类型的列，解析为连续类型。
说明 如果需要将BIGINT类型的列解析为CATEGORICAL，则必须使用forceCategorical参数指定类型。
INT为连续类型
algorithmTypes 否 单棵树的算法在森林中的位置。如果有N棵树，且algorithmTypes=[a,b]，则：
  • [0,a)为ID3算法。
  • [a,b)为CART算法。
  • [b,n]为C4.5算法。
例如，在一个拥有5棵树的森林中，[2,4]表示0，则1为ID3算法，2,3为CART算法，4为C4.5算法。如果输入None，则算法在森林中均分。 		算法在森林中均分
randomColNum 否 生成单棵树时，每次分裂选择的随机特征数量。取值范围为[1,N]，N表示Feature数量。 log 2N
minNumObj 否 叶节点数据的最小个数，取值范围为正整数。 2
minNumPer 否 叶节点数据个数占父节点的最小比例，取值范围为[0,1]。 0.0
maxTreeDeep 否 单颗树的最大深度，取值范围为[1,+∞)。 无穷
maxRecordSize 否 单棵树输入的随机数据个数，取值范围为(1000,1000000]。 100000

示例

  1. 使用SQL语句，生成训练数据。 
    create table pai_rf_test_input as
select * from
(
  select 1 as f0,2 as f1, "good" as class from dual
  union all
  select 1 as f0,3 as f1, "good" as class from dual
  union all
  select 1 as f0,4 as f1, "bad" as class from dual
  union all
  select 0 as f0,3 as f1, "good" as class from dual
  union all
  select 0 as f0,4 as f1, "bad" as class from dual
)tmp;
  2. 使用PAI命令，提交随机森林算法组件参数。 
    PAI -name randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -Dmodelname="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";
  3. 查看模型PMML（Predictive Model Markup Language）。 
    <?xml version="1.0" encoding="utf-8"?
<PMML xmlns="http://www.dmg.org/PMML-4_2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="4.2" xsi:schemaLocation="http://www.dmg.org/PMML-4_2 http://www.dmg.org/v4-2/pmml-4-2.xsd"
  <Header copyright="Copyright (c) 2014, Alibaba Inc." description=""
    <Application name="ODPS/PMML" version="0.1.0"/
    <TimestampTue, 12 Jul 2016 07:04:48 GMT</Timestamp
  </Header
  <DataDictionary numberOfFields="2"
    <DataField name="f0" optype="continuous" dataType="integer"/
    <DataField name="f1" optype="continuous" dataType="integer"/
    <DataField name="class" optype="categorical" dataType="string"
      <Value value="bad"/
      <Value value="good"/
    </DataField
  </DataDictionary
  <MiningModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"
    <MiningSchema
      <MiningField name="f0" usageType="active"/
      <MiningField name="f1" usageType="active"/
      <MiningField name="class" usageType="target"/
    </MiningSchema
    <Segmentation multipleModelMethod="majorityVote"
      <Segment id="0"
        <True/
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"
          <MiningSchema
            <MiningField name="f0" usageType="active"/
            <MiningField name="f1" usageType="active"/
            <MiningField name="class" usageType="target"/
          </MiningSchema
          <Node id="1"
            <True/
            <ScoreDistribution value="bad" recordCount="2"/
            <ScoreDistribution value="good" recordCount="3"/
            <Node id="2" score="good"
              <SimplePredicate field="f1" operator="equal" value="2"/
              <ScoreDistribution value="good" recordCount="1"/
            </Node
            <Node id="3" score="good"
              <SimplePredicate field="f1" operator="equal" value="3"/
              <ScoreDistribution value="good" recordCount="2"/
            </Node
            <Node id="4" score="bad"
              <SimplePredicate field="f1" operator="equal" value="4"/
              <ScoreDistribution value="bad" recordCount="2"/
            </Node
          </Node
        </TreeModel
      </Segment
      <Segment id="1"
        <True/
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"
          <MiningSchema
            <MiningField name="f0" usageType="active"/
            <MiningField name="f1" usageType="active"/
            <MiningField name="class" usageType="target"/
          </MiningSchema
          <Node id="1"
            <True/
            <ScoreDistribution value="bad" recordCount="2"/
            <ScoreDistribution value="good" recordCount="3"/
            <Node id="2" score="good"
              <SimpleSetPredicate field="f1" booleanOperator="isIn"
                <Array n="2" type="integer"2 3</Array
              </SimpleSetPredicate
              <ScoreDistribution value="good" recordCount="3"/
            </Node
            <Node id="3" score="bad"
              <SimpleSetPredicate field="f1" booleanOperator="isNotIn"
                <Array n="2" type="integer"2 3</Array
              </SimpleSetPredicate
              <ScoreDistribution value="bad" recordCount="2"/
            </Node
          </Node
        </TreeModel
      </Segment
      <Segment id="2"
        <True/
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"
          <MiningSchema
            <MiningField name="f0" usageType="active"/
            <MiningField name="f1" usageType="active"/
            <MiningField name="class" usageType="target"/
          </MiningSchema
          <Node id="1"
            <True/
            <ScoreDistribution value="bad" recordCount="2"/
            <ScoreDistribution value="good" recordCount="3"/
            <Node id="2" score="bad"
              <SimplePredicate field="f0" operator="lessOrEqual" value="0.5"/
              <ScoreDistribution value="bad" recordCount="1"/
              <ScoreDistribution value="good" recordCount="1"/
            </Node
            <Node id="3" score="good"
              <SimplePredicate field="f0" operator="greaterThan" value="0.5"/
              <ScoreDistribution value="bad" recordCount="1"/
              <ScoreDistribution value="good" recordCount="2"/
            </Node
          </Node
        </TreeModel
      </Segment
    </Segmentation
  </MiningModel
</PMML
  4. 查看模型可视化输出。随机森林可视化输出